如何给AI一双“懂节奏”的耳朵？
VARSTok 是一种可变帧率语音分词器，能智能感知语音节奏，动态调整 token 长度。它通过时间感知聚类与隐式时长编码，在降低码率的同时提升重建质量，实现高效、自然的语音处理，适配多种应用场景。
构建AI智能体：二十七、大模型如何“考出好成绩”：详解内在评测与外在评测方法
本文系统介绍了语言模型评测的两种主要方法：内在评测和外在评测。内在评测聚焦模型基础语言能力，核心指标困惑度(PPL)反映模型预测准确性，计算过程包括条件概率、对数概率和及指数转换。外在评测通过具体任务表现评估模型实用性，采用多层级评估策略（精确匹配、变体匹配、关键词分析和语义评估）。文章详细阐述了评测流程、指标计算方法和代码实现，强调两者结合使用的重要性：内在评测看基本功，外在评测检验实战能力。评测应持续进行，为模型选型、优化部署提供客观依据，同时关注公平性和领域适应性。
构建AI智能体：二十六、语言模型的“解码策略”：一文读懂AI文本生成的采样方法
本文探讨了AI文本生成中的采样方法，这些方法决定了AI如何选择候选词来生成文本。文章介绍了两种主要方法：确定性方法（贪心算法和束搜索）和随机采样方法（基础随机采样、温度采样、Top-k采样和Top-p采样）。贪心算法每次选择概率最高的词，生成结果可靠但缺乏创意；束搜索保留多条候选路径，适合需要准确性的任务。随机采样方法则通过引入随机性增加多样性，其中温度采样通过调整温度参数控制创意的随机程度，Top-p采样则动态选择候选词集合，是目前创造性任务的首选方法。
通义千问大模型驱动的法律智能体创新实践
律杏法务云是基于阿里云通义千问大模型构建的新一代法律人工智能平台，通过深度融合OCR、NLP、知识图谱技术与千亿参数级语言模型，在企业法务管理领域实现了从信息抽取、文书生成到风险预警的全流程智能化。本文将深入剖析其技术架构与五大核心模块，揭示大模型如何重塑现代法务工作范式。
构建AI智能体：二十四、RAG的高效召回方法论：提升RAG系统召回率的三大策略实践
本文探讨了检索增强生成（RAG）系统中的高效召回技术。RAG系统通过检索相关文档增强大语言模型的回答质量，但性能受制于垃圾进，垃圾出原则。为提高召回效果，文章重点分析了三种方法：Small-to-Big通过大小文本块映射兼顾检索精度与上下文丰富度；索引扩展（如HyDE）利用大模型生成假设文档来优化检索；双向改写弥合用户查询与文档表述的差异。这些方法从不同角度解决了RAG系统中的语义鸿沟、词汇不匹配等核心问题，可单独或组合使用。高效召回技术能显著提升RAG系统的回答质量和效率。
构建AI智能体：二十三、RAG超越语义搜索：如何用Rerank模型实现检索精度的大幅提升
本文介绍了重排序(Rerank)技术在检索增强生成(RAG)系统中的应用。Rerank作为初始检索和最终生成之间的关键环节，通过交叉编码器对初步检索结果进行精细化排序，筛选出最相关的少量文档提供给大语言模型。相比Embedding模型，Rerank能更精准理解查询-文档的语义关系，显著提高答案质量，降低Token消耗。文章详细比较了BGE-Rerank和CohereRerank等主流模型，并通过代码示例展示了Rerank在解决歧义查询(如区分苹果公司和水果)上的优势。
史上首次！万卡AI集群支撑双11，通义千问大规模落地
2025年双11，阿里云提供超千万核ECS算力及万卡灵骏智算集群，支撑淘宝推荐等核心业务性能提升超30%。通义千问大模型大规模落地，Qwen-MT单日调用超14亿次，助力商品出海、客服与经营分析，全面赋能双11智能化升级。
