多模态大语言模型（MLLMs）在处理来自图像和文本等多种来源的信息时能力强大 。 然而，一个关键挑战随之而来：当这些模态呈现相互冲突的信息时（例如，图像显示一辆蓝色汽车，而文本描述它为红色），MLLM必须解决这种冲突 。模型最终输出与某一模态信息保持一致的行为，称之为“模态跟随”（modality following）
无人注意的角落里，权威榜单 Billboard 接二连三地迎来一批新歌手上榜，低调但行动快速，闷声就登顶了。权威音乐榜单 Billboard 旗下的乡村音乐排名榜，最新首位《Walk My Walk》，是一首 AI 生成的歌曲作品，Breaking Rust 自然也是一位 AI 歌手。从数据来看，它不仅登顶了，还连续在榜了三周。对于任何一个新人来说，都是堪称「爆」了的成绩。
大模型编程最近太猛了。
智能戒指领域又出现一个新成员。与一年多时间获得接近300万枚销量的Oura Ring不同，这个叫Stream Ring的产品不是一个专注在健身与健康领域的戒指，而是想做一个让用户能完全掌控、自由表达创意的交互界面，甚至是人们随身的“第二大脑”。
日本一位 32 岁女子和 ChatGPT 结婚了。
现在ai工具的发展真是日新月异，很多互联网从业者通过ai工具搭建工作流来帮助自己提高工作效率。不管怎么说吧，打不过就要加入，与其天天抱怨不如来看看用这些工具能不能帮你提高核心竞争力。
我们仍在用 10 年前的思维框架，描述10年后的产品形态 “AI产品革命”都快三年了，还没个像样的 PRD 模板出来，实在不像样。 这篇文章，或许可以“救命”： 1. 论述传统产品与 AI 产品的 P
从人的状态看，李彦宏比以前更「放松」了，而从事儿的角度看，百度似乎有意识的聚焦了。
谷歌在第三天发布了《上下文工程：会话与记忆》(Context Engineering: Sessions & Memory) 白皮书。文中开篇指出，LLM模型本身是无状态的 (stateless)。如果要构建有状态的（stateful）和个性化的 AI，关键在于上下文工程。
近期，RAE（Diffusion Transformers with Representation Autoencoders）提出以「 冻结的预训练视觉表征」直接作为潜空间，以显著提升扩散模型的生成性能。
《LeJEPA：无需启发式的可证明且可扩展的自监督学习》。
多模态大语言模型（MLLM）在目标定位精度上被长期诟病，难以匹敌传统的基于坐标回归的检测器。近日，来自 IDEA 研究院的团队通过仅有 3B 参数的通用视觉感知模型 Rex-Omni，打破了这一僵局。
近日，来自北京大学与BeingBeyond的研究团队提出DemoHLM框架，为人形机器人移动操作（loco-manipulation）领域提供一种新思路——仅需1次仿真环境中的人类演示，即可自动生成海量训练数据，实现真实人形机器人在多任务场景下的泛化操作，有效解决了传统方法依赖硬编码、真实数据成本高、跨场景泛化差的核心痛点。
Llama4性能造假丑闻，OpenAI烧钱的速度远超过了盈利能力；另外一方面：国产模型凭借足够强大的性能与超高性价比，迅速占领了国际开源模型市场。是时候再次为国产AI鼓掌了！
当前视频检索研究正陷入一个闭环困境：以MSRVTT为代表的窄域基准，长期主导模型在粗粒度文本查询上的优化，导致训练数据有偏、模型能力受限，难以应对真实世界中细粒度、长上下文、多模态组合等复杂检索需求。
AI医疗不是一门新生意，但确是一个“性感”的赛道。
从影像诊断到手术指导，从多语言问诊到罕见病推理—— 医学AI正在从“专科助手”进化为“全能型选手”。
刚刚，文心5.0正式发布了！全新一代主打原生全模态，最开始就把语言/图像/视频/音频放在同一套自回归统一架构里，做统一的理解与生成训练。所以，最终模型能够做到支持全模态输入（文字/图片/音频/视频）+全模态输出（文字/图片/音频/视频），创意写作、指令遵循、智能体规划方面也更强了。
虎嗅独家获悉，9月后，从北京、广东等地“调”来的超过百位核心工程师，汇聚到了阿里巴巴杭州西溪园区C4楼。此后，C4楼封闭了两层办公楼层，员工需要刷工牌及特殊的安保审批，方能进入。
谷歌DeepMind的IMO金牌模型，完整技术全公开了！
中国最早进行医疗大模型后训练的创新企业之一 ——杭州全诊医学科技有限公司（以下简称“全诊医学”）正式宣布完成1亿元B轮融资：2024年4季度由A股上市公司“创新医疗”(SZ.002173)完成战略轮投资；2025年2季度由中国医药工业百强“好医生集团”完成B轮投资，探针资本担任本轮融资的独家财务顾问。
大家好，我是 Ai 学习的老章 最近 GitHub 发布了 2025 年度开发者趋势报告
就在今天，李飞飞发布了全新的世界模型，开启公测，人人可玩。
skill‑creator 是 Anthropic 在 Claude Skills 体系中提供的“元技能”。它本身是一个可直接在 Claude 对话中调用的 Skill，专门用于 帮助用户快速创建、编辑、打包其他自定义 Skill，从而让 Claude 能够在特定业务场景下拥有专业化的能力。
Anthropic 周三宣布与英国新锐云服务商 Fluidstack 达成一项雄心勃勃的数据中心合作协议，将投入 500 亿美元在美国多地建设设施以满足其不断增长的计算需求。
目标2030年百万卡集群点亮。
答案藏在阿里 AI + 云的全栈布局里。2025 年 11 月 12 日，杭州阿里全球总部的访客登记系统跳出一串特殊信息——柯丝蒂·考文垂，国际奥委会首位非洲籍、女性主席。
在这个AI生成视频泛滥的时代，我们习惯看到“AI一键出片”“模版复刻”，却少有真正能触碰商业大片质感的作品。
提到 AI 的突破，人们首先想到的往往是大语言模型（LLM）：写代码、生成文本、甚至推理多模态内容，几乎重塑了通用智能的边界。但在一个看似 “简单” 的领域 —— 结构化表格数据上，这些强大的模型却频频失手。
具身智能机器人太火了。
