搜索
清华智能产业研究院（AIR）博三在读，去年六月份，出于对语言模型 LLM 的强烈兴趣，加入了字节 as Top Seed Intern，在人工智能的最前沿进行探索。刚好这个话题和我现在做的工作强相关，我分享一下自己的观点和亲身体验。
2024 年 9 月，我们第一次去 Haivivi 北京办公室和 CEO 李勇见面。在交谈的两小时里，他不断被会议室外的员工提醒看手机。
研究发现，LLM在创作梗图时表现出惊人的幽默感与创造力，甚至超越了人类创作者！AI创作的梗图评分更高，但最具灵魂的作品仍来自人类。
Epoch AI高级研究员预测：2030年实现人类水平的AI的可能性至少10%。他认为AI从监督学习到GenAI，模型范式转变迅捷，预测AI只能从第一性原理出发。参考人类大脑，他估算了发现人类水平的AI需要的算力，得到相关结论。
国产厨电龙头老板电器出品的全球首个烹饪大模型「食神」升级，不光接入了DeepSeek，还拓展了多模态。像推荐菜谱、指导烹饪已经是常规操作。在此基础上，它还能一眼看出你的健康状况——通过面部识别、分析体检报告，生成长期的健康膳食计划。
如今，哈佛斯坦福这类顶尖名校的中国毕业生，开始向DeepSeek等中国AI公司疯狂投简历了！与此同时，美国众议院则被曝出直接质问斯坦福、CMU等六所大学：为何招收如此多中国学生参加STEM项目？并且要求上交所有中国学生信息。
做表情包一度是很多文生图、文生视频应用的场景。Pika在去年就靠魔法猫，在国外出圈了一把。
3 月份发布的 Manus，让大众第一次感受到了 Agent 的强大。
本周早些时候，Anthropic 为其 AI 驱动的聊天机器人平台 Claude，推出了网页搜索功能，使其与许多竞争对手保持一致。
人工智能正在重塑游戏和互动媒体行业，人工智能是前所未有的价值创造源泉，它重塑行业的速度甚至比我们在互联网、移动电话和云计算兴起时所观察到的平台和架构变革还要快。
自 2023年OpenAI发布函数调用功能以来，我一直在思考如何开启智能体和工具使用的生态系统。随着基础模型变得越来越智能，智能体与外部工具、数据和API交互的能力却日益碎片化：开发人员需要为智能体运行和集成的每个系统都实现具有特殊业务逻辑的智能体。
知名 AI 工程师、Pleias 的联合创始人 Alexander Doria 最近针对 DeepResearch、Agent 以及 Claude Sonnet 3.7 发表了两篇文章，颇为值得一读，尤其是 Agent 智能体的部分。
在虚拟现实、游戏以及 3D 内容创作领域，从单张图像重建高保真且可动画的全身 3D 人体一直是一个极具挑战性的问题：人体多样性、姿势复杂性、数据稀缺性等等。
虽然大多数强化学习（RL）方法都在使用浅层多层感知器（MLP），但普林斯顿大学和华沙理工的新研究表明，将对比 RL（CRL）扩展到 1000 层可以显著提高性能，在各种机器人任务中，性能可以提高最多 50 倍。
其实大模型在DeepSeek-V3时期就已经「顿悟」了？
保持乐观，但变革可能没有想象中的快。
随着传统的人工智能基准测试技术显得力不从心，AI 构建者正转向更具创意的方法来评估生成式 AI 模型的能力。
从一行行代码、注释中感受 AlexNet 的诞生，或许老代码中还藏着启发未来的「新」知识。
3月21日上午，沙河高教园区AI+新材料合成校企联合实验室揭牌仪式在新元科技园区成功举办。
自动驾驶实现垂直领域的AGI，有了新路径。不是Robotaxi，而是RoadAGI。在英伟达GTC 2025上，元戎启行CEO周光受邀分享，提出用RoadAGI，能更快大规模商用自动驾驶，实现垂直道路场景下的AGI，RoadAGI的实施平台，是元戎最新分享的AI Spark：
上海AWE深度观察：AI家电，到底AI了个啥？智东西3月21日报道，昨天，一年一度的中国家电盛会——AWE中国家电及消费电子博览会正式在上海开幕，各路科技巨头纷纷亮出最新家电及消费科技产品，展会现场十分火爆，人头攒动
Dima Shvets作为天使投资人兼Reface联合创始人，其打造的AI换脸应用下载量突破2.5亿次。该应用的成功源于"实时换脸"技术的先发优势与病毒式传播特性的双重驱动。以下是Dima分享关于如何成功打造Reface的经验分享
日前，北京市教委出台《北京市推进中小学人工智能教育工作方案（2025—2027年）》（简称《方案》），计划从今年起，通过创新培育“京娃”系列智能体、全覆盖开展中小学人工智能通识教育、打造一批“助教、助学、助育、助评、助研、助管”应用场景等系列举措，全方位推动人工智能赋能首都基础教育改革发展。
3月18日，美国哥伦比亚特区巡回上诉法院就科学家Stephen Thaler（史蒂芬·泰勒博士，下称泰勒）诉Shira Perlmutter（美国版权局注册官及美国版权办公室主任）以及美国版权局作出标志性判决，认定所有受版权保护的作品必须首先由人类创作。尽管AI技术的发展使得非人类创作的作品越来越多，但根据现有的法律框架，这些作品无法获得版权保护。
Grok连夜上线图片编辑功能，继Gemini引爆图片编辑热潮后，动动嘴就能实现「证件照换西装」、「黑发变金发」等专业级P图效果。随着AI巨头内卷加剧，很多工作可能会经历「从复杂操作到简单交互」的范式转移，大模型内卷，受伤可能是传统软件。
中国科学院大学团队在这篇论文中，提出了一个崭新观点：智能体不但是AI领域的核心，更可能是构成宇宙的基本单元，或许还将引发21世纪科学范式的重大变革！
首个基于混合Mamba架构的超大型推理模型来了！就在刚刚，腾讯宣布推出自研深度思考模型混元T1正式版，并同步在腾讯云官网上线。对标o1、DeepSeek R1之外，值得关注的是，混元T1正式版采用的是Hybrid-Mamba-Transformer融合模式——
本文探讨基于树搜索的大语言模型推理过程中存在的「过思考」与「欠思考」问题，并提出高效树搜索框架——Fetch。本研究由腾讯 AI Lab 与厦门大学、苏州大学研究团队合作完成。
来自清华大学、哈佛大学等机构的研究团队提出了一种创新方法——4D LangSplat。该方法基于动态三维高斯泼溅技术，成功重建了动态语义场，能够高效且精准地完成动态场景下的开放文本查询任务。这一突破为相关领域的研究与应用提供了新的可能性， 该工作目前已经被CVPR2025接收。
Nvidia刚刚发布了「世界生成」模型Cosmos-Transfer1，可以根据多种模态的空间控制输入（如分割、深度和边缘）生成世界模拟，使得世界生成具有高度可控性。开发者使用模型能够创建高度逼真的模拟环境，用于训练机器人和自动驾驶车辆。
