声音比真人还像真人的Maya，背后模型开源了！跨越语音恐怖谷
声音比真人还像真人的Maya，背后模型开源了！跨越语音恐怖谷语音恐怖谷是指在语音合成技术中，当 AI 合成语音接近人类的真实语音，但又存在细微的不自然或不完美之处时，会引发人类的不适感。
来自主题: AI技术研报
8009 点击 2025-03-16 15:29
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
语音恐怖谷是指在语音合成技术中，当 AI 合成语音接近人类的真实语音，但又存在细微的不自然或不完美之处时，会引发人类的不适感。
何恺明团队提出的去噪哈密顿网络（DHN），将哈密顿力学融入神经网络，突破传统局部时间步限制，还有独特去噪机制，在物理推理任务中表现卓越。
近段时间，推理模型 DeepSeek R1 可说是 AI 领域的头号话题。用过的都知道，该模型在输出最终回答之前，会先输出一段思维链内容。这样做可以提升最终答案的准确性。
全面评估大模型电商领域能力，首个聚焦电商基础概念的可扩展问答基准来了！
LLM自身有望在无限长token下检索信息！无需训练，在检索任务「大海捞针」（Needle-in-a-Haystack）测试中，新方法InfiniRetri让有效上下文token长度从32K扩展至1000+K，让7B模型比肩72B模型。
大语言模型（LLM）近年来凭借训练时扩展（train-time scaling）取得了显著性能提升。然而，随着模型规模和数据量的瓶颈显现，测试时扩展（test-time scaling）成为进一步释放潜力的新方向。
何恺明LeCun联手：Transformer不要归一化了，论文已入选CVPR2025。
机器人怎样感知世界？
让机器人轻松学习复杂技能有新框架了！
大模型架构研究进展太快，数据却快要不够用了，其中问题数据又尤其缺乏。
「压缩即智能」。这并不是一个新想法，著名 AI 研究科学家、OpenAI 与 SSI 联合创始人 Ilya Sutskever 就曾表达过类似的观点。
当前，视觉语言模型（VLMs）的能力边界不断被突破，但大多数评测基准仍聚焦于复杂知识推理或专业场景。本文提出全新视角：如果一项能力对人类而言是 “无需思考” 的本能，但对 AI 却是巨大挑战，它是否才是 VLMs 亟待突破的核心瓶颈？
今年，CVPR共有13008份有效投稿并进入评审流程，其中2878篇被录用，最终录用率为22.1%。
Transformer架构迎来历史性突破！刚刚，何恺明LeCun、清华姚班刘壮联手，用9行代码砍掉了Transformer「标配」归一化层，创造了性能不减反增的奇迹。
现在是 2025 年，新论文要以博客形式出现。
给大模型落地，加入极致的务实主义。
南洋理工大学的研究团队提出了MedRAG模型，通过结合知识图谱推理增强大语言模型（LLM）的诊断能力，显著提升智能健康助手的诊断精度和个性化建议水平。MedRAG在真实临床数据集上表现优于现有模型，准确率提升11.32%，并具备良好的泛化能力，可广泛应用于不同LLM基模型。
来自普林斯顿和印度技术学院的学者在《自然通讯》发表论文，他们发现，如果给定设计参数，AI可以在90nm的芯片上设计高性能集成电路。过去这是需要花费数周时间的高技能工作，但如今的AI可以在数小时内完成。
在 Sora 引爆世界模型技术革命的当下，3D 场景作为物理世界的数字基座，正成为构建动态可交互 AI 系统的关键基础设施。当前，单张图像生成三维资产的技术突破，已为三维内容生产提供了 "从想象到三维" 的原子能力。
尽管 DeepSeek-R1 在单模态推理中取得了显著成功，但已有的多模态尝试（如 R1-V、R1-Multimodal-Journey、LMM-R1）尚未完全复现其核心特征。
AI飞速发展的时代，AI Agent在大模型能力升级的推动下实现从任务执行者（copilot）向决策主体的跨越。甲子光年智库全面深入地探讨了AI Agent发展演进、产业价值与商业模式变革、技术路径与能力提升以及面临的挑战等方面，旨在为关注AI Agent领域的投资者、从业者、研究者等提供全面且权威的参考依据。
近年来，大语言模型 LLMs 在多种任务上的卓越表现已得到广泛认可。然而，要实现其高效部署，精细的超参数优化至关重要。为了探究最佳超参数的规律，我们开展了大规模的实证研究，通过在不同配置上进行网格搜索，我们揭示了一套通用的最优超参数缩放定律（Optimal Hyperparameter Scaling Law）。
随着大模型时代的到来，搜推广模型是否具备新的进化空间？能否像深度学习时期那样迸发出旺盛的迭代生命力？带着这样的期待，阿里妈妈搜索广告在过去两年的持续探索中，逐步厘清了一些关键问题，成功落地了多个优化方向。
不怕推理模型简单问题过度思考了，能动态调整CoT的新推理范式SCoT来了！
最新研究显示，以超强推理爆红的DeepSeek-R1模型竟藏隐形危险——
它能像人眼一样，在文本、视觉输入和无提示范式等不同机制下进行检测和分割。
近些年，大模型的发展可谓是繁花似锦、烈火烹油。从 2018 年 OpenAI 公司提出了 GPT-1 开始，到 2022 年底的 GPT-3，再到现在国内外大模型的「百模争锋」，DeepSeek 异军突起，各类大模型应用层出不穷。
大语言模型（LLM）在推理领域的最新成果表明了通过扩展测试时计算来提高推理能力的潜力，比如 OpenAI 的 o1 系列。
四个月前，我们采访了 Chat2DB 创始人姬朋飞，文章里讲述了他从大厂离职后的创业历程。而最近 Cha2DB 针对 SQL 开发者的普遍痛点，发布了全新的 3.0 版本。
Anthropic 昨晚发布了他们最新的 Claude 3.7 Sonnet 混合推理模型，并在官网同步更新了 Claude 3.7 的系统提示词。