搜索
我们每天都在用语音交流，从早上叫醒Siri到晚上和家人通话，语音似乎是人类最直观的交流方式。但当我们试图让机器也用这种方式与我们互动时，却发现背后隐藏着巨大的技术挑战。
近日，上海交大和上海人工智能实验室的研究发现，AI 的风险正从个体失控转向群体性的恶意共谋（Collusion）——即多个智能体秘密协同以达成有害目标。Agent 不仅可以像人类团队一样协作，甚至在某些情况下，还会展现出比人类更高效、更隐蔽的「团伙作案」能力。
OpenAI凌晨发布最新生产级别语音模型和API。Realtime API实现语音直接处理，支持图像输入、远程MCP服务器与SIP打电话，极大简化语音智能体构建；而新一代语音到语音模型gpt-realtime，在音质、理解力、指令遵循和函数调用上全面提升，语音几乎媲美真人，还能多语种切换与细腻表达。
在 AI 大模型席卷编程世界之前，很多开发者做 Side Project 靠的就是“死磕”：查文档、踩坑、调试，一个小游戏能折腾三个月。而如今，大模型不仅能写样例代码，还能帮你快速迁移业务逻辑、实现复杂规则。本文作者就用亲身经历对比了“没用大模型时花 3 个月 vs 用大模型只花 3 天”的真实差距。
近日，新西兰林肯大学（Lincoln University）的一门课程引发争议：因怀疑部分学生在作业中使用了生成式 AI 工具，任课教师决定让全班 100 多名学生重新接受线下考核。
就在刚刚，也许是目前最强的开源蛋白质结合剂AI设计工具，登上Nature。瑞士洛桑联邦理工学院、美国麻省理工学院等研究人员在Nature上发表了题为One-shot design of functional protein binders with BindCraft的论文。
近日，Physical AI 公司极佳视界宣布完成Pre-A&Pre-A+连续两轮数亿元融资。Pre-A 轮融资由国中资本领投，紫峰资本、老股东 PKSHA Algorithm Fund跟投；Pre-A+ 轮融资由中金资本、广州产投、一村淞灵、华强资本投资。
近期，多模态大模型在图像问答与视觉理解等任务中进展迅速。随着 Vision-R1 、MM-Eureka 等工作将强化学习引入多模态推理，数学推理也得到了一定提升。
人工智能的浪潮正将我们推向一个由 RAG 和 AI Agent 定义的新时代。然而，要让这些智能体真正「智能」，而非仅仅是信息的搬运工，就必须攻克一个横亘在所有顶尖团队面前的核心难题。这个难题，就是推理密集型信息检索（Reasoning-Intensive IR）。
马斯克宣布了一个疯狂的计划，将在5年内实现5000万张H100的算力，这是什么概念？这将为人类带来怎样的影响？ASI能否在勇敢者的孤注一掷下现身？