搜索
随着模型核心能力的进步，我们计划逐步将一些功能从产品中移除，或者至少将它们对用户极度隐藏，除非他们真的需要。
在未来两到三年内，中国的AI市场可能会达到约500亿美元。
摩根士丹利的案例表明，企业应用AI离不开快速试错与优化。AI通过分析海量数据打造个性化体验，Indeed的职位推荐和Lowe’s搜索优化证明了数据与AI结合的巨大潜力。
据内部人士透露，由 OpenAI 前训练后研究副总裁利亚姆·费杜斯创立的初创公司 Periodic Labs，已向潜在投资者表示希望以至少 10 亿美元的估值筹集数亿美元资金。这对于仅成立两个月的初创企业来说是一个相当高的估值。
本周三，知名 AI 创业公司，曾发布「全球首个 AI 软件工程师」的 Cognition AI 开源了一款使用强化学习，用于编写 CUDA 内核的大模型 Kevin-32B。
没必要为了某个「新范式」去创业。
随着Gemini、GPT-4o等商业大模型把基于文本的图像编辑这一任务再次推向高峰，获取更高质量的编辑数据用于训练、以及训练更大参数量的模型似乎成了提高图像编辑性能的唯一出路。然而浙大哈佛这个团队却反其道而行之，仅用以往工作0.1%的数据量（获取自公开数据集）和1%的训练参数，以极低成本实现了图像的高质量编辑，在一些方面媲美甚至超越商业大模型！
随着AI Agent 在工作场所日益普及，个人可能会与之紧密协作。波士顿咨询集团报告指出，未来五年内，AI Agent 市场预计将以45%的复合年增长率扩张。
谷歌Gemini 2.5 Pro（I/O版）横空出世，强势登顶LMAreana，斩获文本、视觉、编码三连冠，甚至编程能力全面碾压Claude 3.7，地表最强编码模型诞生。
两周前，我用飞猪和 Manus 来了一场旅行计划对比， 看上去它们做出来的都相当“合理”， 特别是 Manus，要不是我去过我真以为一个小时能逛完奈良公园， 所以这次五一，整整120小时行程，我叫上了三个朋友，按照飞猪给出的旅行计划，体验我第一次游轮出行！
强化学习（RL）是当今 AI 领域最热门的词汇之一。近日，一篇长文梳理了新时代的强化学习范式对于模型提升的作用，同时还探索了强化学习对去中心化的意义。
Agent 即一系列自动化帮助人类完成具体任务的智能体或者智能助手，可以自主进行推理，与环境进行交互并获取环境以及人类反馈，从而最终完成给定的任务，比如最近爆火的 Manus 以及 OpenAI 的 o3 等一系列模型和框架。
Qwen3强势刷新开源模型SOTA，但如何让其在资源受限场景中，既能实现低比特量化，又能保证模型“智商”不掉线？
因为大家太过热情， Gemini 2.5提前重磅更新—— 史上最强编码模型Gemini 2.5 Pro Preview的I/O版。
Anysphere对中国创业公司有哪些启示？
JetBrains 被大量差评弄崩溃了~
用资本换时间，用布局换路径，用入口控未来。
104个学生里，只有15个真人，其余都是ChatGPT
大家有没有发现，AI竞争的牌桌上，几乎只剩中国和美国两个选手了？
我女儿读初中，周末疯玩两天，晚上狂补作业。作文是老大难，她捣鼓着用豆包写作文。
随着大模型加速渗透核心行业，其安全可控性正从技术议题升级为产业落地的先决条件。
黄仁勋已经忍不住第二次公开谈论中国的AI人才优势了。
对话「摩熵数科」创始人王中健。
开始抢食
人类在辩论中被AI说服的可能性有多大？
照这个发展速度，不远的将来AI不仅能模仿你的行为，还能理解你为何做出这些选择。PB&J框架正是这一突破性技术的代表，它通过引入心理学中的"支架"概念，使AI能够构建合理化解释，深入理解人类决策背后的动机。
MCP这股浪潮也持续席卷一段时间了 目前各大平台、开源项目等收录的MCP-Server数量令人咋舌。
Mixture-of-Experts（MoE）在推理时仅激活每个 token 所需的一小部分专家，凭借其稀疏激活的特点，已成为当前 LLM 中的主流架构。然而，MoE 虽然显著降低了推理时的计算量，但整体参数规模依然大于同等性能的 Dense 模型，因此在显存资源极为受限的端侧部署场景中，仍然面临较大挑战。
“活过眼前的数据治理‘脏活累活’，未来五年，这个赛道遍布机遇。”深耕半导体赛道的喆塔科技创始人兼 CEO 赵文政对这个方向充满信心，他如今正在半导体软件领域引入 AI 技术。
你的默认编程模型是什么？或许可以换一换了。刚刚，Google DeepMind 发布了 Gemini 2.5 Pro 的最新更新版本：Gemini 2.5 Pro (I/O edition)。其最大的进步是编程能力大幅提升，不仅在 LMArena 编程排行榜上名列第一，同时也在 WebDev Arena 排行榜上更是以显著优势超过了昔日霸
