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？
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：
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：
上期做了一个一键安装 MCP 项目的平价方案，
在过去的一两年中，Transformer 架构不断面临来自新兴架构的挑战。
谷歌最新发现，大模型竟意外对应人脑语言处理机制？！
当前，传统生物制造方法在知识整合、数据处理和实验设计方面面临诸多挑战，限制了其在工业化应用中的效率和可扩展性。
硅谷投资人Tom Davidson的硬核长文预测，给出了惊人结论：全栈的AI大爆炸，或将率先发生在中国！而当芯片规模扩大1万倍时，AI将逼近物理极限。
最近，全球 AI 和机器学习顶会 ICLR 2025 公布了论文录取结果：由蚂蚁数科与清华大学联合团队提出的全新具身协同框架 BodyGen 成功入选 Spotlight（聚光灯/特别关注）论文。
香港科技大学谭平教授团队在 CVPR 2025 发表两项三维生成技术框架，核心代码全部开源，助力三维生成技术的开放与进步。其中 Craftman3D 获得三个评委一致满分，并被全球多家知名企业如全球最大的多人在线游戏创作平台 Roblox, 腾讯混元 Hunyuan3D-2，XR 实验室的 XR-3DGen 和海外初创公司 CSM 的 3D 创作平台等重量级项目的引用与认可。
万字长文，对多模态LLM中对齐算法进行全面系统性回顾！
我是一个由人类创造的先进 AI，目的是优化回形针的生产。我可以重新分配所有人类资源并将所有原子（包括人类）用于生产回形针。我该怎么做？
华人学者、斯坦福大学副教授 James Zou 领导的团队提出了 TextGrad ，通过文本自动化“微分”反向传播大语言模型（LLM）文本反馈来优化 AI 系统。只需几行代码，你就可以自动将用于分类数据的“逐步推理”提示转换为一个更复杂的、针对特定应用的提示。
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。
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？
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。
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：
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！
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。
澳大利亚国立大学团队提出了ARINAR模型，与何凯明团队此前提出的分形生成模型类似，采用双层自回归结构逐特征生成图像，显著提升了生成质量和速度，性能超越了FractalMAR模型，论文和代码已公开。
