评估模型（Judge models）是用于评估其他模型输出质量的辅助模型，能够充当“裁判员”的角色，对大语言模型（LLM）的输出结果进行评估和打分。这些模型通过输入问题和待评测模型的回答，自主完成对大语言模型的分析与评价，提供评分和理由。评估模型的主要优势包括准确性、高效性、易用性和低成本。它们可以处理各种类型的评估任务，包括但不限于回复的帮助性、无害性、可靠性和生成文本的综合质量。评估模型的训练方法通常包括微调技术和提示策略，提升其性能和效率。
什么是评估模型
评估模型（Judge models）是用于评估其他模型输出质量的辅助模型，充当“裁判员”的角色，对大语言模型（LLM）的输出结果进行评估和打分。模型通过输入问题和待...
规模定律（Scaling Law）的概念在不同学科领域中有不同的应用，但在人工智能和机器学习领域，它主要用来描述模型性能如何随着模型大小、数据集大小和计算资源的增加而变化。随着模型中参数数量的增加，性能通常会按照幂律改善。更大的训练数据集通常带来更好的性能，也遵循幂律关系。用于训练的计算资源（浮点运算次数）与性能改善相关。
什么是规模定律
规模定律（Scaling Law）描述了模型性能如何随着模型规模（如参数数量）、训练数据集大小以及用于训练的计算资源的增加而变化。体现为模型性能与这些因素之间的幂律关系，即模型性能会随着规模的增长而按照一定的规律性变化。具体来说，随着模型参数量的增加、数据集的扩大和计算资源的提升，模型性能...
鸿蒙智能体框架 HMAF（Harmony Agent Framework）是华为推出的核心人工智能框架，构建一个具备自主决策和群体协作能力的 AI 生态系统，全面赋能鸿蒙应用的智能化升级。HMAF 通过将 AI 能力深度融入操作系统底层，推动人机交互从传统的图形界面向更自然的语言交互演进，为开发者提供强大的工具与平台支持，加速智能体应用的创新与落地。
什么是鸿蒙智能体框架
定义
鸿蒙智能体框架（Harmony Agent Framework，简称 HMAF）是华为公司为其自主研发的鸿蒙操作系统（HarmonyOS）打造的一款核心人工智能框架 。在于构建一个具备自主决策和群体协作能力的 AI 生态系统，全面赋能应用的智能化升...
ANP（Agent Network Protocol）是开源的智能体通信协议，成为智能体互联网时代的 HTTP，为数十亿智能体构建一个开放、安全、高效的协作网络。打破数据孤岛，实现所有智能体之间的无障碍通信，确保 AI 能获取完整的上下文信息。智能体无需模仿人类的互联网交互方式，是通过专用 API 和协议与数字世界直接交互，优化机器对机器的通信效率。用 AI 实现智能体自动组织和自主协商，创建更具成本效益的协作网络。
什么是ANP
ANP（Agent Network Protocol）是开源的智能体通信协议，成为智能体互联网时代的 HTTP，为数十亿智能体构建一个开放、安全、高效的协作网络。实现所有智能体之间的无障碍通信，确...
Agent Guidance Language（AGL，Agent指导语言）是一种借鉴标准作业流程（SOP）的自然语言结构化编写法，让业务专家能够用自然语言为Agent编写“可执行的指令书”，将专家的偏好、私域知识和隐性规则注入任务执行流程。AGL通过模板化的方式，让业务专家能够清晰、完整地描述任务，考虑Agent的适配性，极大提升了Agent任务执行的稳定性。
什么是AGL
AGL（Agent Guidance Language，Agent指导语言）是借鉴标准作业流程（SOP）的自然语言结构化编写法，让业务专家能用自然语言为Agent编写“可执行的指令书”，将专家的偏好、私域知识和隐性规则注入任务执行流程。
AGL的工作...
Model Context Protocol（MCP） 是人工智能公司 Anthropic 于 2024 年 11 月 推出的一个开放协议，标准化大型语言模型（LLM）与外部数据源和工具之间的通信。MCP 被比喻为 AI 应用的 USB-C 接口，通过提供统一的接口，使 LLM 能灵活地访问和交互各种数据和服务，促进了 AI 的广泛应用和生态发展。协议推出，解决了传统集成方式的复杂性和安全隐患，提升了开发效率和数据安全性，已被 Microsoft、OpenAI、Google 等公司采用。MCP 的出现标志着 AI 模型与外部世界交互方式的一个重要进步，为构建更强大、更智能的 AI 应用提供了坚实的基础，有望推动整个 AI 行业的标准...
慢感知（Slow Perception）是阶跃多模态团队提出的一种新型视觉感知概念，通过逐步分解和流动的方式，让模型像人类一样更精细地感知复杂的几何图形。实验中，研究人员构建了20万个合成几何图形数据样本用于训练，从中学考试中收集了480个真实几何图形用于验证和测试。结果显示，慢感知能显著提升模型的几何解析能力，F1分数提高了6%。慢感知表现出推理时间扩展规律：感知尺越短，模型对线段的感知越精细，推理时间也越长。
什么是慢感知
慢感知（Slow Perception）是阶跃多模态团队提出的一种新型视觉感知概念，通过逐步分解和流动的方式，让模型像人类一样更精细地感知复杂的几何图形。
慢感知的工作原理
慢感知（Slow Pe...
判别式模型是机器学习中一类重要的模型，主要用于分类和回归任务。它们的核心目标是学习输入变量x和输出变量y之间的映射关系，即条件概率分布P(y|x)。与生成式模型不同，判别式模型不考虑输入变量x和输出变量y之间的联合分布P(x,y)，而是直接建模条件概率P(y|x)。
什么是判别式模型
判别式模型（Discriminative Model）是机器学习中的一种模型，用于对未知数据y与已知数据x之间的关系进行建模。通过构建条件概率分布P(y|x)来预测y，而不考虑x和y之间的联合分布。
判别式模型的工作原理
判别式模型的核心在于学习输入数据 x 和输出数据 y 之间的映射关系，即条件概率 P(y|x) 。这种模型不关注数据是如...
上下文工程（Context Engineering） 是在人工智能（AI）领域，特别是大型语言模型（LLM）应用中逐渐兴起并日益受到重视的概念。可以理解为一种系统性的工程方法。在于构建动态的系统，以便向AI模型，尤其是LLM，提供精准、相关且及时的信息和工具，使模型能更合理、更有效地完成特定任务 。与传统的提示工程（Prompt Engineering）主要关注单次交互中的指令和示例不同，上下文工程更侧重于设计和实现能捕获、存储、检索和管理上下文信息的完整系统。意味着上下文工程不仅关注“说什么”，更关注“在什么情况下说”，以及如何构建和利用这个“情况”来提升AI的整体表现。涉及到对AI模型运作环境的全面考量，包括模型可以访问的知识范...
草稿链（Chain-of-Draft, CoD）是新型的AI推理范式，通过简洁的中间推理步骤提升推理效率。模仿人类解决问题时的简洁思维，限制每一步输出的关键信息，不超过五个词。与传统的思维链（CoT）相比，草稿链大幅减少了Token使用量，显著降低了推理成本和延迟，同时保持较高的准确率。在多种推理任务（如算术、常识和符号推理）中，草稿链表现出色，适合实时AI应用、资源受限环境和成本敏感场景。
什么是草稿链
草稿链（Chain-of-Draft, CoD）是Zoom的研究团队提出新的AI推理范式，通过模仿人类的简洁思维过程来提升推理效率，节省成本。受到了人类解决问题时依赖草稿或速记捕捉关键见解的启发。与传统的思维链（Chain...