万字解读：为何长上下文治不了多模态 AI 的「健忘症」？丨GAIR Live 031
万字解读：为何长上下文治不了多模态 AI 的「健忘症」？丨GAIR Live 031多模态长记忆在“看得准、找得到、想得清”三大环节的底层逻辑与工程避坑指南。
来自主题: AI资讯
5631 点击 2026-06-12 10:03
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
多模态长记忆在“看得准、找得到、想得清”三大环节的底层逻辑与工程避坑指南。
陶哲轩又发成绩单了。
前阵子有张梗图，在 AI Agent 圈子里火了：
想象这样一个惬意的周末： 空调带来阵阵凉意，你靠在沙发上看书，突然耳边传来“哒哒哒”的小碎步声，接着，玄关门边传来了一阵清脆、略带急切的“呜呜”声，还伴随着爪尖轻轻扒拉木门的声响。
GPT-5.6本月上桌，agentic编码据称已反超Anthropic Mythos！三家旗舰模型撞进同一个6月，两大AI巨头同时冲刺IPO，奥特曼却在内部抛出了一个更大的变量：如果AI先学会自我改进，上市反而不急。
根据我长期使用的观察，0.3 倍率说是用 Kiro 逆向出来的 Claude，2.0 倍率说是正经 Claude Max 号池接出来的。听起来后者肯定更靠谱。我一开始也这么想的。毕竟倍率差了快七倍，价格摆在那，总不至于拿假货糊弄人吧。
刚刚，Google 甩出了 Gemini 3.5 Live Translate。这是它最新的语音对语音翻译模型，一句话概括：把「等你说完再翻」的老规矩，直接掀了。Google DeepMind 首席科学家 Jeff Dean 亲自发帖官宣，字里行间透着一股「二十年磨一剑」的底气：
就在刚刚，谷歌闷头干了件大事：把生成图片的扩散模型，拿来写文字了，而且一出手就是4倍加速。 新模型名为DiffusionGemma，它直接抛弃了传统自回归那套“逐Token生成”的打字机模式，而是像“印刷机”一样工作——
这段时间以来，Codex 在社交媒体上是好评如潮。
在3D创作这个圈子，一直有个心照不宣的扎心真相： 那就是最难的一步从来不是生成，而是让模型变为可用资产。