AI资讯新闻榜单内容搜索-Mu

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: Mu
2025 CSRankings排名出炉!上交大、清华北大、浙大霸榜全球AI TOP 10

2025 CSRankings排名出炉!上交大、清华北大、浙大霸榜全球AI TOP 10

2025 CSRankings排名出炉!上交大、清华北大、浙大霸榜全球AI TOP 10

2025 CSRankings新鲜出炉了!CMU稳坐全球第一,中国高校强势崛起,清华摘得第2,上交大与浙大并列第3,北大位居第5。中国在AI领域表现尤为抢眼,上交大、清华、北大、浙大包揽前四,中国科学院与哈工大也跻身全球前十。

来自主题: AI资讯
4849 点击    2025-04-08 09:45
嚯!OpenAI最新内幕八卦.pdf

嚯!OpenAI最新内幕八卦.pdf

嚯!OpenAI最新内幕八卦.pdf

奥特曼被OpenAI董事会解雇的往事,还有新瓜曝出。原来是Ilya为董事会提供了关键证据。这部分证据来自前CTO Murati与奥特曼的对话截图。

来自主题: AI资讯
7742 点击    2025-03-30 14:40
Multi-Agents 系统太难搞了,不要轻易尝试 | UC Berkeley 论文分享

Multi-Agents 系统太难搞了,不要轻易尝试 | UC Berkeley 论文分享

Multi-Agents 系统太难搞了,不要轻易尝试 | UC Berkeley 论文分享

这两年,AI 领域最激动人心的进展莫过于大型语言模型(LLM)的崛起,LLM 展现了惊人的理解和生成能力。

来自主题: AI技术研报
7982 点击    2025-03-28 09:33
音乐界迎来自己的DeepSeek!全球首个音乐推理大模型Mureka O1上线,超越Suno

音乐界迎来自己的DeepSeek!全球首个音乐推理大模型Mureka O1上线,超越Suno

音乐界迎来自己的DeepSeek!全球首个音乐推理大模型Mureka O1上线,超越Suno

2025 年第一款现象级的 AI 音乐爆品,就这么华丽丽地来了!3 月 26 日,国内「All in AGI 与 AIGC」的科技公司 —— 昆仑万维,发布了最新音乐大模型 Mureka V6 和 O1,给全球音乐圈带来了不小的震撼。

来自主题: AI资讯
7838 点击    2025-03-26 17:59
给语音模型戴上「眼镜」,错误率降低12.5%!人大CMU最新开源 | AAAI 2025

给语音模型戴上「眼镜」,错误率降低12.5%!人大CMU最新开源 | AAAI 2025

给语音模型戴上「眼镜」,错误率降低12.5%!人大CMU最新开源 | AAAI 2025

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。

来自主题: AI技术研报
6326 点击    2025-03-24 16:01
哈佛斯坦福顶尖中国毕业生回流,向DeepSeek疯投简历!美国人才开始逆向归国

哈佛斯坦福顶尖中国毕业生回流,向DeepSeek疯投简历!美国人才开始逆向归国

哈佛斯坦福顶尖中国毕业生回流,向DeepSeek疯投简历!美国人才开始逆向归国

如今,哈佛斯坦福这类顶尖名校的中国毕业生,开始向DeepSeek等中国AI公司疯狂投简历了!与此同时,美国众议院则被曝出直接质问斯坦福、CMU等六所大学:为何招收如此多中国学生参加STEM项目?并且要求上交所有中国学生信息。

来自主题: AI资讯
7251 点击    2025-03-22 17:46
美国上诉法院就AI作出标志性判决(附判决书PDF)

美国上诉法院就AI作出标志性判决(附判决书PDF)

美国上诉法院就AI作出标志性判决(附判决书PDF)

3月18日,美国哥伦比亚特区巡回上诉法院就科学家Stephen Thaler(史蒂芬·泰勒博士,下称泰勒)诉Shira Perlmutter(美国版权局注册官及美国版权办公室主任)以及美国版权局作出标志性判决,认定所有受版权保护的作品必须首先由人类创作。尽管AI技术的发展使得非人类创作的作品越来越多,但根据现有的法律框架,这些作品无法获得版权保护。

来自主题: AI监管政策
8623 点击    2025-03-22 11:43
ICLR 2025 Spotlight | 慕尼黑工业大学&北京大学:迈向无冲突训练的ConFIG方法

ICLR 2025 Spotlight | 慕尼黑工业大学&北京大学:迈向无冲突训练的ConFIG方法

ICLR 2025 Spotlight | 慕尼黑工业大学&北京大学:迈向无冲突训练的ConFIG方法

在深度学习的多个应用场景中,联合优化多个损失项是一个普遍的问题。典型的例子包括物理信息神经网络(Physics-Informed Neural Networks, PINNs)、多任务学习(Multi-Task Learning, MTL)和连续学习(Continual Learning, CL)。然而,不同损失项的梯度方向往往相互冲突,导致优化过程陷入局部最优甚至训练失败。

来自主题: AI技术研报
8046 点击    2025-03-17 14:55
MM-Eureka:极少数据实现多模态推理的R1-Zero时刻

MM-Eureka:极少数据实现多模态推理的R1-Zero时刻

MM-Eureka:极少数据实现多模态推理的R1-Zero时刻

尽管 DeepSeek-R1 在单模态推理中取得了显著成功,但已有的多模态尝试(如 R1-V、R1-Multimodal-Journey、LMM-R1)尚未完全复现其核心特征。

来自主题: AI技术研报
7104 点击    2025-03-14 15:32