原来这届中国AI年轻人,已经卷到业界都惊了
原来这届中国AI年轻人,已经卷到业界都惊了在小红书上,一群热爱技术的年轻人,搞了一场为期五个多月的大型「团建」。
在小红书上,一群热爱技术的年轻人,搞了一场为期五个多月的大型「团建」。
你有没有过这种体验,想买个东西,先去小红书找了二三十篇笔记,B 站看了十几个测评,然后上什么值得买看了下优惠的渠道,最后,人已经麻到不想买了。
最近,我越来越沉迷刷小红书了。
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。
千问 APP 上线还是超乎意料。毕竟在 2025 年底,可能也只有阿里有底气尝试,重推一款 AI 应用类产品。界面简洁、克制的不像阿里出品。刚好这两天,我做了件有意思的事:泡在小红书,专门看普通用户在用 AI 做些什么,却发现不少人把 AI 用在各种“不正经”上:
还记得今年上半年小红书团队推出的DeepEyes吗?
当下的文本生成图像扩散模型取得了长足进展,为图像生成引入布局控制(Layout-to-Image, L2I)成为可能。
好消息:AI 越来越好用了。 坏消息:越用它越笨。
最近这两天,被一个三宫格AI图片给刷屏了。 还有那三句经典的台词: “山的那边是什么。” “你不用告诉我。” “我会自己去看。” 抖音和小红书上玩的人巨多,点赞量动辄几千几万。 群里的朋友们也都在玩。
近日,来自普渡大学、德克萨斯大学、新加坡国立大学、摩根士丹利机器学习研究、小红书 hi-lab 的研究者联合提出了一种对离散扩散大语言模型的后训练方法 —— Discrete Diffusion Divergence Instruct (DiDi-Instruct)。经过 DiDi-Instruct 后训练的扩散大语言模型可以以 60 倍的加速超越传统的 GPT 模型和扩散大语言模型。