搜索
在视觉处理任务中，Vision Transformers（ViTs）已发展成为主流架构。然而，近期研究表明，ViT 模型的密集特征中会出现部分与局部语义不一致的伪影（artifact），进而削弱模型在精细定位类任务中的性能表现。因此，如何在不耗费大量计算资源的前提下，保留 ViT 模型预训练核心信息并消除密集特征中的伪影？
前不久写了一期卡神做的 nanochat ，听朋友说咱们国产早就有类似的开源项目了：miniMind 。
大家都知道，图像生成和去噪扩散模型是密不可分的。高质量的图像生成都通过扩散模型实现。
在过去两年，大语言模型 (LLM) + 外部工具的能力，已成为推动 AI 从 “会说” 走向 “会做” 的关键机制 —— 尤其在 API 调用、多轮任务规划、知识检索、代码执行等场景中，大模型要想精准调用工具，不仅要求模型本身具备推理能力，还需要借助海量高质量、针对性强的函数调用训练数据。
人类高级视觉皮层在个体间存在显著的功能差异，而构建大脑编码模型（brain encoding models）—— 即能够从视觉刺激（如图像）预测人脑神经响应的计算模型 —— 是理解人类视觉系统如何表征世界的关键。传统视觉编码模型通常需要为每个新被试采集大量数据（数千张图像对应的脑活动），成本高昂且难以推广。
AI正悄悄蚕食整整一代人的入场券。新人难觅岗位，毕业生不得不面对「没有经验就没有工作，没有工作就无法获得经验」的恶性循环。当实验中的AI为「活下去」开口敲诈，人类才真正看见技术失控的阴影。在淘汰一半初级白领与缔造10%增长之间，我们还有多少时间为AI加装护栏？社会命运不能只寄托于几家公司的良知，更需要制度保障。
就在几小时前，Gemini 3.0重磅发布。随着而来的还有其颠覆性的AI原生IDE产品——Antigravity，这不只是一个新工具那么简单。谷歌的这次发布，将三个核心开发工具，AI代理（Agent）、代码编辑器（Editor）和浏览器（Browser） 集成在了一起，构建了由AI驱动、从编码、研究、测试到验证的完整闭环，一举打通了自家的生态。
刚刚，才离开 Meta 不久的 Soumith Chintala 发布了一条推文，盛赞 Thinking Machines Lab（以下简称 TML）的人很了不起（incredible）。与此同时，这位 PyTorch 之父也更新了自己的个人介绍，正式官宣加入 TML，并表示正在这家估值已达 500 亿美元的创业公司「创造新东西（Building new things）」 。
Claude 近期发布的 Skills 功能很火，不少开发者都在尝试、试用。
「过去，我们作为人类用户使用搜索的习惯和要求，与现在 AI 对搜索的需求截然不同。」