AI通识课｜和通义一起动手学AI
如何让每一位大学生都能真正“动手”学 AI，而不只是听概念、看 PPT？由通义大模型提供模型能力支持，阿里云携手超星尔雅，联合北京大学、南京大学、复旦大学、上海交通大学、浙江大学五所高校名师，共同推出
阅读全文先SFT后RL但是效果不佳？你可能没用好“离线专家数据”！
提到提升大模型能力，SFT（监督微调）再接 RL（强化学习）的范式是一套常见操作。但在各种场景实践后，你可能会发现事情并没有那么简单。作为大模型从业者或者研究人员的你，大概率也遇到过以下困境之一：越学
阅读全文WebWatcher：挑战多模态Deep Research极限的开源视觉智能体
尽管闭源系统如 OpenAI 的 DeepResearch 已展现出强大的文本深度研究能力，但它们大多局限于纯文本环境，难以处理现实世界中无处不在的图像、图表和混合内容。而现有开源 Agent 也面临
阅读全文真的假的？填个表格，就能调动1000个AI程序员给我打工？
当打工人用上了 AI 搭子......过去需要一个研发团队一天才能完成的事，现在一个人、几分钟就能闭环完成。只需要在钉钉 AI 表格里敲一行需求，或上传一份文档，系统就能自动触发阿里云百炼工作流，将任
阅读全文从零到上线：用 Qwen3-Coder 和 MCP 打造儿童学习助手
本篇是《Qwen3-Coder 挑战赛》系列教程的第二期：借助 Qwen3-Coder 模型强大的代码生成与任务代理能力，结合 MCP 部署方案 与 VS Code 插件工具链（通义灵码），从零开始打
阅读全文Qwen3-Coder入门教程｜10分钟搞定安装配置
欢迎来到 Qwen3-Coder 挑战赛！还在觉得 Coding 遥不可及？别担心！无论你是技术小白，还是寻求效率提升的办公达人，这篇超基础教程都将手把手带你入门。直接上手 Qwen-Code CLI
阅读全文Trinity-RFT：构建智能体持续学习的自动化强化微调工厂
当大型语言模型被赋予智能体的角色，部署在开放、动态的真实环境中时，如何让它在与环境的持续交互中不断学习、持续进化，就成了核心命题。这标志着我们正迈入一个全新的“经验时代”——智能体的能力提升，将越来越
阅读全文WebShaper：探索DeepResearch的数据理论基础
在 AI 智能体（Agent）领域，训练数据的质量决定了模型的上限。作为通义实验室推出的全新训练数据合成系统，WebShaper 通过三大核心技术模块 ，实现了训练数据的“可控、可解释、可扩展”，让
阅读全文Wan2.2开源：让每个像素都懂电影美学
电影级视觉控制：对电影镜头语言的理解和还原，包含光影、色彩、构图等多维度的视觉呈现。画面风格多变，表现细腻。大幅度运动：轻松还原各类复杂运动，并进一步强化运动的流畅度和可控性。精准语义遵循：对复杂场景
阅读全文超详细提示词教程｜玩转Wan2.2
想让 Wan2.2 生成你心中的画面？关键在提示词怎么写。本文将带你掌握文生视频 Prompt 写作技巧，建议收藏+关注！提示词公示提示词用来描述视频中所包含的内容和运动过程，它是控制视频画面内容与效
阅读全文HumanOmniV2 比你还懂“社交潜台词”！
如何让AI真正“读懂”人心，理解对话背后的真实意图？先来查看下面这个案例⬇️在这张相亲对话截图中，暴露了多模态大模型（MLLMs）的两大认知错误：1、全局上下文理解不足模型只听到了“可以做朋友”的表面
阅读全文ThinkSound：你的专业音效师
通义实验室首个音频生成模型 ThinkSound 开源，是时候打破“静音画面”的想象力局限了！近年来，尽管端到端视频到音频（V2A）生成技术取得了显著进展，但仍难以真正捕捉画面中的动态细节和空间关系。
阅读全文如何用泡面预算，喂饱一个手机AI
这是 18 岁大一学生郑宇皓，在假期完成的一次开发实践。全程没有租用 GPU 或云服务，仅靠本地环境搭建，就完成了 14B 大模型的合并、量化与部署工作。目前就读于广州科技职业技术大学的他，所学专业是
阅读全文检索增强预训练框架MaskSearch：让AI更聪明地“找答案”
你有没有遇到过这样的情况：问 AI 一个问题，它回答得头头是道，但其实是在“编答案”？这并不是 AI 故意“说谎”，而是因为它没有能力实时查找最新的外部信息 。大多数语言模型的知识都来自于它们在训练时
阅读全文Qwen 家族再上新！
Qwen3 Embedding 是基于 Qwen3 基础模型训练的文本嵌入模型系列，能够将离散的、高维的符号（如文字、图片、声音等）转化为低维、连续的数字向量（Vector）的转化技术。通过捕捉不同数
阅读全文WebDancer：从零训练一个 DeepResearch 类智能体
传统的问答式 AI 模型往往只能处理简单、单跳的问题，比如“北京有多少人口？”这类任务只需一次检索就能完成。但现实中的复杂问题远不止如此，例如：“某药物对晚期肺癌患者是否有效？有哪些临床试验支持？”这
阅读全文视觉感知RAG×多模态推理×强化学习=VRAG-RL
在真实业务场景中，大量关键信息都藏在图像、表格、设计稿中。这些“视觉语言”，对 AI 来说不仅是理解的挑战，更是推理能力的终极考验。如何在复杂的视觉文档知识库中检索关键信息，并精细化推理给出答案？ 通
阅读全文360° 视频也能“听见方向”了？
当你置身于一场音乐会，闭上眼睛，仍能凭借声音判断乐器的位置；在电影院，环绕音效让我们仿佛置身于电影场景之中；这是我们大脑对声音的“空间感知”。空间音频，作为一种能够模拟真实听觉环境的技术，正逐渐成为提
阅读全文语音识别怕噪声？CoGenAV 音画同步来破局！
CoGenAV 的核心理念是让 AI 模型也实现“音画同步”的深度理解。它不再只是“听见声音”，而是通过学习 audio-visual-text 之间的时序对齐关系，构建出一个更鲁棒、更通用的语音表征
阅读全文