搜索
你有没有想过，为什么那些看起来无所不能的 AI agent，在真实工作环境中却总是显得如此笨拙？我们花费数百小时调试提示词、完善指令，但这些智能系统依然无法像人类员工那样从经验中学习和成长。它们不会从错误中汲取教训，也不会在重复性任务中变得更加熟练。这个根本性问题，正是 Composio 刚刚完成 2500 万美元 A 轮融资要解决的核心挑战。
2025年7月21日，斯坦福大学学习加速器（Stanford Accelerator for Learning）发布名为《AI+学习差异：设计无边界的未来》（AI+ Learning Differences: Designing a Future with No Boundaries）白皮书，强调AI可以成为支持有学习差异的学生的有力工具，但前提是其开发要以他们的需求和意见为核心。
扩散语言模型（Diffusion-based LLMs，简称 dLLMs）以其并行解码、双向上下文建模、灵活插入masked token进行解码的特性，成为一个重要的发展方向。
卡伦·考希克（ Karun Kaushik ）和塞林·科卡拉尔（ Selin Kocalar ）原本没打算这么快进行 A 轮融资。他们的人工智能合规初创公司 Delve 在今年 1 月刚宣布完成 300 万美元种子轮融资，业务增长迅猛且客户签约率稳定攀升。
Fidji Simo以Instacart CEO的成功经验，加入OpenAI管理层。这份备忘录展示了她的宏大愿景：让AI成为知识、健康和创意的钥匙，打破资源壁垒，重塑人类的生活方式。
AMD携手Stability AI宣布推出世界首款适用于Stable Diffusion 3.0 Medium的B16 NPU模型。该模型可直接运行于AMD XDNA 2 NPU之上，能够显著提升图像生成质量。新模型作为Amuse 3.1平台的组件之一亮相，于今天一起发布。
给AI一场压力测试，结果性能暴跌近30%。 来自上海人工智能实验室、清华大学和中国人民大学的研究团队设计了一个全新的“压力测试”框架——REST (Reasoning Evaluation through Simultaneous Testing)。
Transformer杀手来了？KAIST、谷歌DeepMind等机构刚刚发布的MoR架构，推理速度翻倍、内存减半，直接重塑了LLM的性能边界，全面碾压了传统的Transformer。网友们直呼炸裂：又一个改变游戏规则的炸弹来了。
本文主要介绍 xML 团队的论文：Discrete Diffusion in Large Language and Multimodal Models: A Survey。
自 Stable Diffusion、Flux 等扩散模型 (Diffusion models) 席卷图像生成领域以来，文本到图像的生成技术取得了长足进步。但它们往往只能根据精确的文字或图片提示作图，缺乏真正读懂图像与文本、在多模 态上下文中推理并创作的能力。能否让模型像人类一样真正读懂图像与文本、完成多模态推理与创作，一直是学术界和工业界关注的热门问题。