FunAudio-ASR：解决语音大模型企业落地的“最后一公里”
语音大模型识别不准？“幻觉”“串语种”频发？定制词总被忽略？当前语音大模型的主流架构，是在大语言模型（LLM）前接入声学编码器，将音频特征映射到文本空间，再由LLM生成转写结果。这一方案虽显著提升了识
阅读全文一人挑战一支研发团队，3步搞定全栈开发
本文是 Qwen3-Coder 挑战赛教程第四期，我将带你完整走通一个真实项目案例：从零搭建一个“AI 舞蹈生成器”网站——上传一张人物照片，点击“立即生成”，即可获得一段该人物跳舞的动态视频。整个过
阅读全文开发更可控，部署更便捷：AgentScope 迈入1.0时代
构建真正可用、可靠的智能体，远不止是“让模型动起来”那么简单。如何让智能体灵活调用工具、与环境深度交互？如何确保智能体的开发全程可观测、执行可干预、状态可追溯？更重要的是，如何为开发者提供一套稳定、安
阅读全文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