随着人工智能技术的广泛应用，人们认为AI可以避免人类常见的认知偏差。然而，AI本身可能会表现出类似于人类的偏差，例如锚定效应。本文通过回顾“系统1”和“系统2”两个思维模式，探讨AI在这两种模式中的运作方式，分析AI产生认知偏差的原因，并通过具体实验展示AI在面对锚定效应时的表现。本文进一步探讨如何在理解这些局限性的基础上，合理利用AI来改善人类决策质量，并强调AI透明性和可解释性的重要性。
随着大模型研究的深入，如何将其推广到更多的模态上已经成为了学术界和产业界的热点。最近发布的闭源大模型如 GPT-4o、Claude 3.5 等都已经具备了超强的图像理解能力，LLaVA-NeXT、MiniCPM、InternVL 等开源领域模型也展现出了越来越接近闭源的性能。
人工智能正经历一场由大模型引发的革命。这些拥有数十亿甚至万亿参数的庞然大物，正在重塑我们对 AI 能力的认知，也构筑起充满挑战与机遇的技术迷宫——从计算集群高速互联网络的搭建，到训练过程中模型稳定性和鲁棒性的提升，再到探索更快更优的压缩与加速方法，每一步都是对创新者的考验。
宇树是一家非常“土”，到了极致却又变得非常酷的公司。
从 rabbit r1、AI Pin 再到现在蜂拥而上的 AI 眼镜、项链和儿童玩偶，AI 大模型再次掀起了一股智能硬件的创业浪潮。每个人都在为一个「AI 时代的新 iPhone」的头衔，而努力向前。但是，硬件创业路何其艰难？我们或许可以回过头，看看在移动互联网兴起之时，Apple Watch 的鼻祖——Fitbit 是如何从零到一，打造出一个智能手环市场和品牌的？
本期我们邀请到了 纽约大学计算机科学院博士 童晟邦 带来【多模态大模型：视觉为中心的探索】的主题分享。
Top 5%的人才争夺战。
2024年，落地，无疑是大模型最重要的主题。
双雄理念之争，超越OpenAI，「xAI」不止是AI。
现在，最强数学大模型，人人都可上手玩了！
