AI资讯新闻榜单内容搜索-人工智能

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
搜索: 人工智能
超越MLA!新架构MLRA百万token,解码最高2.8倍速 | ICLR'26

超越MLA!新架构MLRA百万token,解码最高2.8倍速 | ICLR'26

超越MLA!新架构MLRA百万token,解码最高2.8倍速 | ICLR'26

MLRA通过拆分KV缓存为四个并行分支,显著降低显存占用并实现4路张量并行。推理速度比MLA最高快2.8倍,支持百万级上下文,且模型质量更优。无需牺牲性能,即可高效扩展长文本处理能力。

来自主题: AI技术研报
9919 点击    2026-03-19 15:25
接入 MiniMax M2.7 后,我的 OpenClaw「超进化」了

接入 MiniMax M2.7 后,我的 OpenClaw「超进化」了

接入 MiniMax M2.7 后,我的 OpenClaw「超进化」了

上周,除了 OpenClaw,AI 圈还有个词越来越火🔥。

来自主题: AI技术研报
8696 点击    2026-03-19 15:20
深度|OpenAI对话OpenClaw:AI 正在重新定义开发者,以一种玩乐的心态去面对AI

深度|OpenAI对话OpenClaw:AI 正在重新定义开发者,以一种玩乐的心态去面对AI

深度|OpenAI对话OpenClaw:AI 正在重新定义开发者,以一种玩乐的心态去面对AI

这和“我只是用AI辅助写代码”完全不是一个层级的变化,而是一种跃迁式的升级——从增强个人生产力,变成真正意义上的端到端构建与交付。

来自主题: AI资讯
8830 点击    2026-03-19 10:20
AI养肥了腾讯云,马化腾:首次规模化盈利

AI养肥了腾讯云,马化腾:首次规模化盈利

AI养肥了腾讯云,马化腾:首次规模化盈利

腾讯财报王炸:云业务首次实现规模盈利,预告姚顺雨AI大招。

来自主题: AI资讯
6026 点击    2026-03-19 09:45
TPAMI 2026 | 仅用两个变量破解混杂因素:CIC实现动力学因果推断与混杂变量重构

TPAMI 2026 | 仅用两个变量破解混杂因素:CIC实现动力学因果推断与混杂变量重构

TPAMI 2026 | 仅用两个变量破解混杂因素:CIC实现动力学因果推断与混杂变量重构

从观测时间序列数据中准确识别因果关系,是生命科学、地球科学、经济学以及人工智能等诸多领域的核心科学问题。尤其在复杂生物系统中,基因、蛋白质和代谢物之间高度耦合,并常常受到大量不可观测因素的干扰——这些「隐形混杂」无法被直接测量,却会严重误导因果推断结果,产生虚假的因果关联。

来自主题: AI技术研报
9556 点击    2026-03-19 09:44
唯一登台的中国大模型创始人,杨植麟美国GTC首秀,公开Kimi技术路线图

唯一登台的中国大模型创始人,杨植麟美国GTC首秀,公开Kimi技术路线图

唯一登台的中国大模型创始人,杨植麟美国GTC首秀,公开Kimi技术路线图

今日凌晨,在英伟达GTC大会上,月之暗面创始人杨植麟作为本届唯一受邀现场演讲的中国独立大模型公司创始人,发表题为《How We Scaled Kimi K2.5》的演讲,首次完整披露Kimi K2.5背后的技术路线图。

来自主题: AI资讯
8666 点击    2026-03-18 19:05
一家00后创办的世界模型公司,凭什么让华为哈勃重金押注?

一家00后创办的世界模型公司,凭什么让华为哈勃重金押注?

一家00后创办的世界模型公司,凭什么让华为哈勃重金押注?

近日,世界模型与空间智能前沿公司魔芯科技已完成 Pre-A + 轮近亿元融资。本轮融资由华为哈勃领投,老股东跟投。

来自主题: AI资讯
9517 点击    2026-03-18 16:51
CVPR2026满分论文:Proxy-GS为结构化3D高斯溅射引入统一遮挡先验

CVPR2026满分论文:Proxy-GS为结构化3D高斯溅射引入统一遮挡先验

CVPR2026满分论文:Proxy-GS为结构化3D高斯溅射引入统一遮挡先验

上海交通大学钟志航团队联合上海人工智能实验室、西北工业大学、四川大学等高校在 CVPR 2026 上提出Proxy-GS(Proxy-GS: Unified Occlusion Priors for Training and Inference in Structured 3D Gaussian Splatting),面向基于 MLP 的结构化 3D 高斯溅射(3DGS),

来自主题: AI技术研报
8894 点击    2026-03-18 16:10
LaPha:你的Agent轨迹其实嵌入在一个Poincaré球?

LaPha:你的Agent轨迹其实嵌入在一个Poincaré球?

LaPha:你的Agent轨迹其实嵌入在一个Poincaré球?

在经典强化学习问题中,动作空间通常是离散且有限的。例如在围棋中,一步棋就是一次行动;在机器人控制或视觉 - 语言 - 行动(VLA)模型中,动作往往来自一个有限的控制指令集合。

来自主题: AI技术研报
5760 点击    2026-03-18 14:54