搜索
训练一切AI的算法，被AI自己判了「死刑」？就在最近，清华大学和宾大沃顿商学院的两位研究者挂出一篇新论文，给了一个优化理论界等了40年的结论——梯度下降想跑到最快，光调步长没用。
当算力真正成为稀缺资源时，人们会发现，在任何一个机构里，往往只有几十名研究者贡献了大约80%的成果。真正昂贵的不是研究者本人，而是与他配套的算力。因此，如果拥有一定的Token预算，你要把它分配给谁，为什么。
过去一年，很多品牌都在研究 GEO。 简单说，就是以前想办法让自己出现在 Google 搜索第一页，现在要想办法让 ChatGPT、Gemini 这些 AI 在回答问题时提到自己。但最近几个月，事情已经又往前走了一步。
最近，来自厦门大学、上海创智学院、上海交通大学的研究团队提出TennisVAR，希望补上的正是这一块能力：让AI在网球比赛中不只是看见一次击球，而是能够沿着一连串击球，还原背后的战术逻辑，并把支撑判断的具体击球证据找出来。
招商局先进技术研究院下属狮子山人工智能实验室首次亮相机器人领域国际顶级盛会，依托自研LiOS端云协同基础设施，在展会现场公开演示柔性衣物自主折叠解决方案，集中展示在虚实迁移、柔性物体操作领域的全栈自研技术能力，引发现场专业观众广泛关注，收获热烈反响。
1908年，美国社会学家查尔斯·霍顿·库利发表了一项有些特别的研究。为了弄清楚人的“自我”究竟是如何形成的，他从小女儿出生不久开始，逐月记录她的动作、情绪和语言，尤其留意她如何学会使用“I”“me”“my”和“mine”这些指向自我的词。
研究表明，Claude.md最终通常会膨胀至初始规模的三倍以上。
这篇文章，我们和谷歌DeepMind前资深研究科学家曹原，一起聊聊AI for Science。 我们从AI科学自进化的方法论，聊到AI数学和AI物理的应用，最后甚至还聊到了一些哲学问题和人类的意义。以下，就是我们和曹原的对话。
科研的链条很长。文献读不完，方向想不清，实验一轮接一轮，论文改到深夜。过去两年，大模型已经能读论文、写代码、改文章，但它们大多以问答工具的形态散落在各个环节，替研究者节省的只是零碎时间。
大模型机制可解释性研究中，一直存在一个颇具反差的现实： 为了理解一个已经训练好的模型，研究者往往需要先训练一套新的稀疏表示。