Poolside 是一家 AI 编程初创公司，其首款产品问世仅一年。该公司正与 CoreWeave 合作开发全美规模最大的数据中心之一，这标志着人工智能基础设施投资热潮的最新动向。
多模态大模型首次实现像素级推理，指代、分割、推理三大任务一网打尽！
在多模态大模型的后训练浪潮中，强化学习驱动的范式已成为提升模型推理与通用能力的关键方向。
从谷歌翻译到 ChatGPT，AI 系统通过抓取互联网上的海量文本来学习“说”一门新语言。对于那些使用者较少的语言来说，维基百科有时是其最大的在线语言数据库。因此，这些页面上的任何语法或其他错误，都可能污染 AI 赖以学习的“水源”。这会导致模型在翻译这些语言时尤其容易出错，
如果你曾将收据照片上传至报销系统，或在线阅读过PDF 格式的书籍，那么你可能已经使用过光学字符识别技术 ——这项已有数十年历史的技术能将打印体、手写体或印刷体文本图像转换为计算机可编辑的文本。
还在用Sora2做恶搞视频或表情包玩儿？快醒醒，国内AI视频玩家已实现弯道超车了—— 开卷实时流式生成！
从「深蓝」到ChatGPT和DeepSeek，AI已从棋盘上的较量转向生产力革命。中国移动以自研「九天」大模型为核心，打造「灵犀智能体」，一个能理解意图、主动服务的全场景生活助手。通过「灵犀贴贴」实现AI+NFC的便捷交互。同时「爱购商城」以「AI豆」构建统一价值体系，打通通信、消费与智能生态，为用户提供个性化、温度化的智能生活新范式。
基础模型（FM）是一种在海量数据上训练的人工智能系统，具备强大的通用性和跨模态能力。港科大最新发表的论文显示：FM可能引领科学进入第五范式，但大模型的偏见、幻觉等问题仍需正视。
开源大模型，进入中国时间。 10月，公开数据显示，来自中国的开源大模型已经牢牢占据榜单前五。 阿里的Qwen系列和DeepSeek，更是从2024年下半年起，就在开源社区构建起越来越深远的影响力。
一张图片包含的信息是多维的。例如下面的图 1，我们至少可以得到三个层面的信息：主体是大象，数量有两头，环境是热带稀树草原（savanna）。然而，如果由传统的表征学习方法来处理这张图片，比方说就将其送入一个在 ImageNet 上训练好的 ResNet 或者 Vision Transformer，往往得到的表征只会体现其主体信息，也就是会简单地将该图片归为大象这一类别。这显然是不合理的。
