搜索
2025年3月18日，英伟达年度技术大会（GTC）在美国圣何塞开幕，CEO黄仁勋以"AI推理时代"为核心，发布了重磅技术与合作计划，涵盖硬件架构、软件生态、量子计算、机器人技术及行业应用。与往年不同，2025 GTC英伟达转变重心，从去年的"AI训练"转向"推理与部署"的行业转型。
除了黑心商家的收割之外，更多是不甘心于此的无奈
多模态思维链（MCoT）系统综述来了！
块离散去噪扩散语言模型（BD3-LMs）结合自回归模型和扩散模型的优势，解决了现有扩散模型生成长度受限、推理效率低和生成质量低的问题。通过块状扩散实现任意长度生成，利用键值缓存提升效率，并通过优化噪声调度降低训练方差，达到扩散模型中最高的预测准确性，同时生成效率和质量优于其他扩散模型。
当棋盘变成战场，当盟友暗藏心机，当谈判需要三十六计，AI 的智商令人叹息！
过去20年，STEM博士创业率狂跌38%。这背后，是知识负担带来的结果。当代科学家需要掌握的知识量呈爆炸式增长，做出科研成果的年龄被拉长到40多岁。AI会是下一个出路吗？
DeepSeek深夜偷袭。昨天晚上，他们的v3模型，有了一波更新，版本号到了DeepSeek-V3-0324，而且是直接开源的。
大神卡帕西带着他的教程又来了！这次不是教学视频，而是手把手教你如何用大模型开发APP——他没有阅读任何文档，也没有在专门平台Swift编程过，在与ChatGPT仅四轮对话的指导下，成功在手机上运行上了。
自 24 年 11 月起，我开始动手打造一个专注于 AI视频作品展示 的网站。在 AI 的助力下，我独立完成了 前后端与插件开发，成功落地了人生第一款真正意义上的个人作品。这篇文章将围绕 项目介绍、开发历程、工具使用心得、小白成长思考 等方面，分享我在这几个月中的所有收获与感悟。
昨天看到一个非常有意思的事情。
权力游戏：阿布扎比250亿美元的美国AI革命赌局
氛围编程彻底火了。刚刚，没有任何Swift编程经验的Karpathy亲自代言，通过与ChatGPT多轮对话，仅用400行代码构建出自己的首个iOS应用。
RAG应用的一大复杂性体现在其多样的原始知识结构与表示。特别在企业场景下，混合多种媒体形式且具有复杂布局的文档随处可见，比如一份PPT：
随着AI智能体的爆发，Browser Use异军突起，刚刚融资1700万美元。它能让AI智能体轻松地「读懂」网站并自动完成复杂任务，引领了一波AI应用热潮。
视觉+语音=更强的语音识别！BPO-AVASR通过优化音视频输入和输出偏好，提升语音识别在真实场景中的准确性，解决了传统方法在噪声、口语化和视觉信息利用不足的问题。
3D 视觉定位（3D Visual Grounding, 3DVG）是智能体理解和交互三维世界的重要任务，旨在让 AI 根据自然语言描述在 3D 场景中找到指定物体。
训练狗时不仅要让它知对错，还要给予差异较大的、不同的奖励诱导，设计 RLHF 的奖励模型时也是一样。
我最近一段时间，除了处理项目上的一些问题，我将我的大部分时间都在体验目前的MCP成果上，我也在和不同的朋友进行交流，其实交流下来，只要是自己亲身使用过目前的MCP工具的基本上都有一些共同的认知：
3月24日，从自然资源部获悉，国家海洋环境预报中心联合海洋出版社有限公司和三六零数字安全科技集团有限公司，以360智脑13B和Deepseek-R1-70B大模型为基座成功开发了海洋垂直领域大语言模型——“瀚海智语”（英文名称OceanDS）。
据与两家公司高管交谈的两位人士透露，OpenAI 高管在最近几个月多次与信实工业（Reliance Industries）的高管会面，讨论了潜在的产品和销售合作伙伴关系。
上期做了一个一键安装 MCP 项目的平价方案，
可引导性（steerability）是下一个关键点。你需要扩展问题的定义，或者Agent需要回来提出更多问题。在流程的最后，你要验证结果。
哎！最近推特上的网友在LMSYS Arena 发现了个泄漏的大模型 Nebula，效果据说特别好，打败了o1、o3mini、Claude3.7 Thinking等等模型：网友们通过询问和分析 API，发现这似乎是谷歌正在秘密演练的新推理模型！推测可能是 Google Gemini 2.0 Pro Thinking：
毅伯智算TORA3000性能超H20 1.8倍，FP8优化降本增效。
在过去的一两年中，Transformer 架构不断面临来自新兴架构的挑战。
智元机器人已于近日完成新一轮融资，该轮投资由腾讯领投，另有多家产业方及老股东跟投，包括龙旗科技、卧龙电气、华发集团、蓝驰创投等。据悉，智元机器人将以150亿元的估值接洽新一轮融资。
苹果耳机和手表，也要装上摄像头了。为啥？要更AI。彭博社名记古尔曼接连爆料，苹果打算把AirPods和Apple Watch做成智能穿戴。为了让AI拥有环境感知能力，加装摄像头就成了其中的一个重要环节。
谷歌Gemini迈出关键一步：「睁眼看世界」。用户发现Gemini新增实时屏幕共享功能，能准确识别屏幕上的内容并实时互动；并且可以打开摄像头与物理世界交互，帮用户给釉陶「上色」。
前段时间 AI 成了带货密码，而其中卖得最好的品类之一就是 AI 键盘。
谷歌最新发现，大模型竟意外对应人脑语言处理机制？！
