搜索
在讨论 RGB-IR 目标检测时，「两种模态互补」几乎是默认前提。RGB 擅长保留纹理和颜色，红外图像在弱光条件下更稳定，于是最直接的路线是搭建双分支网络，让它们在中间层不断交换信息。InfraNet 的出发点却来自一个不太符合这一直觉的现象。
首次参展的 AI 原生企业与爱为舞，直接把一座开放式「AI 学习实验室」搬进了世博展览馆 H2-E505 展位。没有大屏循环播片，也不是观众站一圈看完就走。你是真的能坐下来，亲手一试：学习这件事，确实换了个打开方式。
来自港科大的研究团队提出了RepetitionCurse，这是一种针对MoE大模型服务的黑盒压力测试方法。它不需要模型权重，不需要梯度，也不需要知道后端专家如何部署，只利用高度重复的输入模式，就能诱导专家路由把大量token路由到同一小批专家上。
WAIC期间，中数睿智发布了“AI for Reasoning”因果智能体系，针对的就是这些痛点。比如油气钻井的井控场景，井下压力和流量突然不对劲，系统不只是输出一句“存在风险”，而是能沿因果链定位病因，并推演多条干预路径：不处置会怎样？立即关井会怎样？延迟处置能撑多久、代价是什么？辅助企业在事故发生前做出最优决策。
在OpenAI开发者社区，苦这个旧搜索久矣： 终于能找到那条消息了，为什么拖了这么久；那个老搜索栏，从来就没好用过；会话一多，搜旧对话就变得不可能；翻旧对话简直成了噩梦……
上海人工智能实验室团队提出的Self-Harness，近期被LangChain CEO、联合创始人Harrison Chase转发，也被前OpenAI副总裁Lilian Weng收进自进化Agent相关博客。它盯上的不是换模型，而是Agent外层那套Harness。
过去，大家围着国产芯片问的是，峰值算力多少？制程多少纳米？和英伟达相比差多少？ 走到清微智能的展位前，你会发现一件有意思的事：这里摆的不只是芯片。可重构芯片、4K超节点、RAISA软件栈、行业应用，被放在一起呈现——像是在回答所有国产芯片厂商都绕不开的问题：
一项机器人拼搭长城的展示火爆全网。从彩排现场的照片来看，围观者已经里三层外三层。原力灵机联合阶跃星辰，用 6 台机器人挑战 15 小时连续作业，搭建完成一座包含超 8 万个零件的长城模型 —— 最小组件不到 1 厘米宽，成品长 3.5 米、宽 1.5 米、高 1.1 米。其中 4 台桌面机器人负责精细零件的拼装，2 台轮式机器人 Apex 负责将拼装完成的组件运输、组装。
外媒Axios称，K3定价远低于它所挑战的高端模型，美国AI公司的高价策略还能维持多久？巧的是，就在最近，两大巨头正在打客户争夺战。此前，特曼在X上发帖，不提新模型，开头就是一句认错：
WAIC（世界人工智能大会）第一天，信息量已经爆炸。从AI时代国家和企业的核心竞争力，到大模型迈向物理世界、迈向AGI所面临的挑战，再到Coding之后新的AI产品趋势……围绕从技术到产业的方方面面，图灵奖得主、两院院士、AI TOP研究者和企业、企业家们共聚一堂，精彩发声不断：