商汤林达华:拿 20% 资源做没有产品的研究,商汤如何押注模型竞争?
商汤林达华:拿 20% 资源做没有产品的研究,商汤如何押注模型竞争?大模型军备竞赛打到今天,训练成本成了一个停不下来的无底洞。国外已经在讲 10 万亿参数,国内大厂也纷纷设想 2 万亿、5 万亿。
搜索
大模型军备竞赛打到今天,训练成本成了一个停不下来的无底洞。国外已经在讲 10 万亿参数,国内大厂也纷纷设想 2 万亿、5 万亿。
此次提出的 ConvexLLM,通过创新的 C-Gate 架构,将语音信息映射至大语言模型原有文本词向量的凸包中,使模型能够充分发挥已有的知识储备与推理能力。在 VoiceBench 等多项基准测试中,ConvexLLM 取得了同量级开源模型中的领先表现,为语音与语言的统一建模提供了新的技术路径。
Meta 超级智能实验室,又有一位重量级研究员离开了。
当 AI Agent 开始替人读网页、做研究、跑自动化流程时,行业真正的瓶颈已经从“模型能力本身”,变成了“它能不能在正确的时间拿到正确、干净、足量的信息”。
大模型智能体已经能够检索文献、调用模拟软件,甚至与自动化实验室协同工作。但要让它们独立完成一项完整的材料研究,仍然面临挑战:
能搜索资料、运行代码,还能完成多步科学研究任务——训练这样的智能体,究竟需要多少道工序?
刚刚,两个月前高调裸辞的Anthropic前研究员Jacob Coxon,态度突然大反转了!
随着递归自我改进(Recursive Self-Improvement,RSI)研究的兴起,智能体的长期能力演进受到更多关注。技能(Skill)能够将交互经验提炼为可复用的操作流程与任务策略,使一次任务的收获服务于后续任务。让智能体学会自主创建和改进这些技能,为其持续进化提供了一条具体路径。
来自 Duke、Google、USC、UPenn、UNC 等八家机构的研究者联合发布最新视觉语言模型(VLM)记忆机制的系统性综述。基于全新的 4D 分类框架,系统梳理了 300 余篇相关工作和近 70 个评测基准,覆盖长视频理解与生成、多模态 RAG、具身导航与行动、个性化助手等八个热点应用场景。
因为在内部看到了一张折线图,一名顶尖AI研究员在万亿IPO前夕,直接掀桌子走人了!