离线多智能体强化学习（MARL）是一个新兴领域，目标是在从预先收集的数据集中学习最佳的多智能体策略。随着人工智能技术的发展，多智能体系统在诸如自动驾驶、智能家居、机器人协作以及智能调度决策等方面展现了巨大的应用潜力。但现有的离线MARL方法也面临很多挑战，仍存在不协调行为和分布外联合动作的问题。为了应对这些挑战，中山大学计算机学院、美团履约平台技术部开展了学术合作项目，并取得了一些的成果，希望分享给大家。
近期有几个热点事件，不知道大家关注到没有？ 第一个标志事件，一向挑剔的苹果宣布和阿里合作，一起为国行版 iPhone 提供 AI 技术服务。 第二个标志事件，DeepSeek R1 蒸馏了 6 个模型开源给社区，其中有 4 个来自阿里的 Qwen。 第三个标志事件，阿里云为开发者量身定制的通义灵码插件，也在第一时间集成了 DeepSeek-R1 满血版。 坐我旁边的同事体验了一早上，直言这是他用过最聪明的 AI 编码助手了，还不用充值购买 DeepSeek API 的 tokens，强烈要求我写个手把手的教程，给大家普及一下。 这就来。
大模型和AI毫无疑问是近几年最热的话题和方向。生成式AI在2024年的全球市场规模已经超5000亿美元，预计在2030年前有望为全球经济贡献7万亿美元的价值，中国则有望贡献约2万亿美元。OpenAI作为大语言模型技术的重要推动者，引领了本次技术变革。 在2022年11月上线的ChatGPT引爆全球，影响力度大到国家战略层面，小到改变了个体的工作模式。近两年，为了追赶业界最先进的大模型，国内在大模型行业呈现出“百模大战”的竞争格局，通义千问、DeepSeek和豆包等等。毫无疑问，大模型以“威力之巨大，范围之广泛”的影响力再次掀起了AI的浪潮。未来，AI必然会颠覆性地改变甚至替代某些行业。我也坚信AI取代不了人，但懂AI的人势必更具竞争力。 本文的动机是希望能够帮助小伙伴们对大模型和AI有更深刻的了解。主要包括，了解关键技术革新的前因后果，尤其是本次大模型时代对再次AI的浪潮。正确看待大模型，没有万能的技术和模型，只有了解大模型的优势和弊端，才能知道如何更好地落地应用。同时也了解下目前大模型在各行各业的落地案例及其遇到的问题。
在上篇文章《DeepSeek 启示录》中，腾讯云开发者公众号邀请了前喜茶数字化高级副总裁、腾讯云 TVP、广东省连锁经营协会技术委员会主席沈欣分享了他对 DeepSeek 的思考。今天这篇文章，他将以从数字驱动到知识驱动的角度，聚焦为什么大模型时代下每个人、企业都需要一套知识库管理系统，以及如何高效搭建一套知识库系统。
开发基于大模型的软件应用，就像指挥一支足球队：组件是能力各异的队员，编排是灵活多变的战术，数据是流转的足球。 Eino 是字节跳动开源的大模型应用开发框架，拥有稳定的内核，灵活的扩展性，完善的工具生态，可靠且易维护，背靠豆包、抖音等应用的丰富实践经验。初次使用 Eino，就像接手一支实力雄厚的足球队，即使教练是初出茅庐的潜力新人，也可以踢出高质量、有内容的比赛。 下面就让我们一起踏上新手上路之旅！
随着AIGC技术的快速发展，天猫新品创新（TMIC）业务积极拥抱这一浪潮，推出了画布引擎以赋能商家在新品设计环节中的创作需求。画布引擎是一个基于Canvas的UI框架，通过整合前端渲染能力和AIGC算法模型接口，为用户提供了一套操作画布元素的底层能力。 画布引擎的设计兼顾了专业性和易用性，界面简洁友好，适合普通用户快速上手。其技术实现基于Konva库，通过定义画布协议实现了对画布状态的抽象描述，并支持撤销、重做、另存为等功能。此外，画布引擎还提供了开放组件和SDK，便于不同业务快速接入或定制化开发。目前，画布引擎已在TMIC和产业AI平台上成功应用，并将持续引入新功能以满足更多业务需求。
