在 AI 发展的新阶段，大模型不再局限于静态知识，而是可以通过「Search Agent」的形式实时连接互联网。搜索工具让模型突破了训练时间的限制，但它们返回的并非总是高质量的资料：一个低质量网页、一条虚假消息，甚至是暗藏诱导的提示，都可能在用户毫无察觉的情况下被模型「采纳」，进而生成带有风险的回答。
在多模态大模型的后训练浪潮中，强化学习驱动的范式已成为提升模型推理与通用能力的关键方向。
李飞飞的世界模型创业，最新成果来了！刚刚，教母亲自宣布对外推出全新模型RTFM（A Real-Time Frame Model），不仅具备实时运行、持久性和3D一致性，更关键的是——单张H100 GPU就能跑。
Reve AI 是一家 2023 年 12 月才建立的加州 AI 初创公司，他们在 2025 年 3 月推出了第一个生图模型叫 Reve Image 1.0，内部代号是「Halfmoon」。6 个月过后，再次升级该模型为「图像编辑模型」。
他们又推出了 Coral NPU，可用于构建在低功率设备上持续运行的 AI。具体来说，其可在可穿戴设备上运行小型 Transformer 模型和 LLM，并可通过 IREE 和 TFLM 编译器支持 TensorFlow、JAX 和 PyTorch。
从谷歌翻译到 ChatGPT，AI 系统通过抓取互联网上的海量文本来学习“说”一门新语言。对于那些使用者较少的语言来说，维基百科有时是其最大的在线语言数据库。因此，这些页面上的任何语法或其他错误，都可能污染 AI 赖以学习的“水源”。这会导致模型在翻译这些语言时尤其容易出错，
苹果又一华人AI高管被Meta挖走了！据彭博社爆料，这次被挖的是Ke Yang（杨克），负责AI搜索与问答系统，几周前刚被任命为AKI团队负责人，负责让Siri追赶上ChatGPT等主流大模型的能力。而离职消息一出，苹果AI的未来或又将添上许多变数。
靠AI挖出了癌症潜在新疗法，AI医疗领域再添猛将。谷歌、耶鲁联手，给攻克冷肿瘤找到了新方法。
Anthropic用Haiku 4.5打响了AI性价比之战！曾经的顶配性能，如今以三分之一的价格、两倍的速度下放，可以说是对高价AI模型的一次降维打击。
如果你曾将收据照片上传至报销系统，或在线阅读过PDF 格式的书籍，那么你可能已经使用过光学字符识别技术 ——这项已有数十年历史的技术能将打印体、手写体或印刷体文本图像转换为计算机可编辑的文本。
谷歌凌晨更新Veo 3.1，主打更强叙事与音频控制、首尾帧与多图参考等精控，接入Gemini API与Vertex AI，Flow与Gemini可用。可合成多人物场景、音画同步，片段最长约148秒；规格至1080p/24fps。
还在用Sora2做恶搞视频或表情包玩儿？快醒醒，国内AI视频玩家已实现弯道超车了—— 开卷实时流式生成！
奥特曼宣布重新上线个性化、富有人味的的新ChatGPT版本，并将在12月份开放「成人模式」，OpenAI最终还是没忍住，要抄马斯克的Grok作业了～
人火了是连毕业论文都要被翻出来的（doge）。 这不，宇树科技CEO王兴兴的硕士毕业论文就被网友们掘地三尺找到了。
从「深蓝」到ChatGPT和DeepSeek，AI已从棋盘上的较量转向生产力革命。中国移动以自研「九天」大模型为核心，打造「灵犀智能体」，一个能理解意图、主动服务的全场景生活助手。通过「灵犀贴贴」实现AI+NFC的便捷交互。同时「爱购商城」以「AI豆」构建统一价值体系，打通通信、消费与智能生态，为用户提供个性化、温度化的智能生活新范式。
基础模型（FM）是一种在海量数据上训练的人工智能系统，具备强大的通用性和跨模态能力。港科大最新发表的论文显示：FM可能引领科学进入第五范式，但大模型的偏见、幻觉等问题仍需正视。
开源大模型，进入中国时间。 10月，公开数据显示，来自中国的开源大模型已经牢牢占据榜单前五。 阿里的Qwen系列和DeepSeek，更是从2024年下半年起，就在开源社区构建起越来越深远的影响力。
在AI智能体日益依赖记忆系统的时代，一种新型攻击悄然兴起：记忆投毒。A-MemGuard作为首个专为LLM Agent记忆模块设计的防御框架，通过共识验证和双重记忆结构，巧妙化解上下文依赖与自我强化错误循环的难题，让AI从被动受害者转为主动守护者，成功率高达95%以上。
一张图片包含的信息是多维的。例如下面的图 1，我们至少可以得到三个层面的信息：主体是大象，数量有两头，环境是热带稀树草原（savanna）。然而，如果由传统的表征学习方法来处理这张图片，比方说就将其送入一个在 ImageNet 上训练好的 ResNet 或者 Vision Transformer，往往得到的表征只会体现其主体信息，也就是会简单地将该图片归为大象这一类别。这显然是不合理的。
教育 AI 的热度正重新回到上升曲线。不同于早期的「狂飙阶段」，如今的竞争更像一场结构重排——头部在稳，中腰在提速，尾部在寻找新的出口。AI 在教育中的角色，也从单一的「功能工具」，进化为教学系统中的「生态节点」。
针对视觉 Transformer（ViT）因其固有 “低通滤波” 特性导致深度网络中细节信息丢失的问题，我们提出了一种即插即用、受电路理论启发的 频率动态注意力调制（FDAM）模块。它通过巧妙地 “反转” 注意力以生成高频补偿，并对特征频谱进行动态缩放，最终在几乎不增加计算成本的情况下，大幅提升了模型在分割、检测等密集预测任务上的性能，并取得了 SOTA 效果。
近日，RoboChallenge 重磅推出！这是全球首个大规模、多任务的在真实物理环境中由真实机器人执行操作任务的基准测试。
近年来，多模态大语言模型（Multimodal Large Language Models, MLLMs）在图文理解、视觉问答等任务上取得了令人瞩目的进展。然而，当面对需要精细空间感知的任务 —— 比如目标检测、实例分割或指代表达理解时，现有模型却常常「力不从心」。
10月15日消息，近日，在泰安市卫星互联网产业发展暨“星算”计划02组星座合作大会上，国星宇航“星算”计划02组星座正式发布，单星算力突破10P的“天秤-10”卫星同步亮相。此外，多项产业合作项目现场达成签约。
加州大学伯克利分校等机构的研究人员，近日推出了一种全新的基因组语言模型GPN-Star，可以将全基因组比对和物种树信息装进大模型，在人类基因变异预测方面达到了当前最先进的水平。
10月16日消息，OpenAI首席执行官山姆·奥特曼于美国当地时间周三表示，该公司并非"经选举产生的世界道德警察"。此前，他决定放宽限制，允许其聊天机器人ChatGPT生成成人内容，这一决定引发了强烈反弹。
无论是中文的粤语、闽南话、吴语，还是欧洲的荷兰比尔茨语方言、法国奥克语，亦或是非洲和南美的地方语言，方言都承载着独特的音系与文化记忆，是人类语言多样性的重要组成部分。然而，许多方言正在快速消失，语音技术如果不能覆盖这些语言，势必加剧数字鸿沟与文化失声。
互联网大厂要引流，教育大厂想变现。
在这个新访谈中，Sutton 与多位专家一起，进一步探讨 AI 研究领域存在的具体问题。
AI席卷职场，大厂裁员与岗位替代加速。奥特曼称能被AI取代的工作并非「真工作」。硅谷上演「代码战争」：有人拥抱Cursor/Claude提效，有人拒用AI遭解雇。在效率与质量拉扯中，人类价值与工作定义正被重写。
