AI资讯新闻榜单内容搜索-应用

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
搜索: 应用
国产AI,正在让招聘“悄悄变天”

国产AI,正在让招聘“悄悄变天”

国产AI,正在让招聘“悄悄变天”

“我的面试官是AI”“用AI助手找工作”……今年,第一批春招的年轻人发现,AI在招聘中被应用得如火如荼。

来自主题: AI资讯
4910 点击    2025-03-18 17:51
先别骂队友,上交如何让DeepSeek R1在分手厨房再也不糊锅?

先别骂队友,上交如何让DeepSeek R1在分手厨房再也不糊锅?

先别骂队友,上交如何让DeepSeek R1在分手厨房再也不糊锅?

在春节的 DeepSeek 大热后,大模型也更多走进了大家的生活。我们越来越多看到各种模型在静态的做题榜单击败人类,解决各种复杂推理问题。但这些静态的测试与模型在现实中的应用还相去甚远。模型除了能进行对话,还在许多更复杂的场景中以各种各样的方式与人类产生互动。除了对话任务外,如何实现大模型与人的实时同步交互协作越来越重要。

来自主题: AI技术研报
3773 点击    2025-03-18 17:30
独家丨字节大模型全员会,朱文佳和吴永辉一起聊了方向、组织和开源

独家丨字节大模型全员会,朱文佳和吴永辉一起聊了方向、组织和开源

独家丨字节大模型全员会,朱文佳和吴永辉一起聊了方向、组织和开源

3 月 18 日上午,字节跳动豆包大模型部门(Seed)召开全员会,由负责模型应用相关工作的朱文佳,与新近加入的负责 AI 基础研究探索工作的吴永辉共同主持。两人谈到了未来的目标,明确 Seed 部门的最重要目标是探索智能上限;同时强调进一步加强组织文化,提高技术开放程度,并考虑推进开源。

来自主题: AI资讯
6893 点击    2025-03-18 16:55
AI 能「深度研究」了,但我还是离不开百度和 Google

AI 能「深度研究」了,但我还是离不开百度和 Google

AI 能「深度研究」了,但我还是离不开百度和 Google

在一轮轮 AI 基础建设起来之后,目前率先卷起来的应用场景,是「深度研究」。

来自主题: AI资讯
9123 点击    2025-03-18 12:14
机器人安卓时刻!行业首个通用具身智能平台亮相,国家队全程真机直播

机器人安卓时刻!行业首个通用具身智能平台亮相,国家队全程真机直播

机器人安卓时刻!行业首个通用具身智能平台亮相,国家队全程真机直播

不惧检验,全程线下公开及全球真机实时直播展示,「慧思开物」填补具身智能在通用软件系统方面的空白,颠覆传统机器人应用开发模式,宣告通用具身智能时代的里程碑突破,具身智能「安卓」时刻已经到来,通向通用具身智能时代的「虫洞」已打开。

来自主题: AI技术研报
4987 点击    2025-03-18 12:00
喝点VC|a16z 2025百强GenAI C端应用,DeepSeek、SeaArt等越来越多华人AI应用跻身全球前列

喝点VC|a16z 2025百强GenAI C端应用,DeepSeek、SeaArt等越来越多华人AI应用跻身全球前列

喝点VC|a16z 2025百强GenAI C端应用,DeepSeek、SeaArt等越来越多华人AI应用跻身全球前列

用户量 ≠ 变现能力,AI 应用商业模式逐渐成熟。MAU 和收入最高的 50 款移动 AI 应用仅 40% 交叉,部分低用户量应用反而变现能力更强。语言学习、植物识别、音乐工具等小众垂类 AI 应用,凭借精准需求吸引愿意付费的用户群体。

来自主题: AI资讯
7410 点击    2025-03-18 11:40
北大团队提出LIFT:将长上下文知识注入模型参数,提升大模型长文本能力

北大团队提出LIFT:将长上下文知识注入模型参数,提升大模型长文本能力

北大团队提出LIFT:将长上下文知识注入模型参数,提升大模型长文本能力

长文本任务是当下大模型研究的重点之一。在实际场景和应用中,普遍存在大量长序列(文本、语音、视频等),有些甚至长达百万级 tokens。

来自主题: AI技术研报
7390 点击    2025-03-17 16:04
ICLR 2025 Spotlight | 慕尼黑工业大学&北京大学:迈向无冲突训练的ConFIG方法

ICLR 2025 Spotlight | 慕尼黑工业大学&北京大学:迈向无冲突训练的ConFIG方法

ICLR 2025 Spotlight | 慕尼黑工业大学&北京大学:迈向无冲突训练的ConFIG方法

在深度学习的多个应用场景中,联合优化多个损失项是一个普遍的问题。典型的例子包括物理信息神经网络(Physics-Informed Neural Networks, PINNs)、多任务学习(Multi-Task Learning, MTL)和连续学习(Continual Learning, CL)。然而,不同损失项的梯度方向往往相互冲突,导致优化过程陷入局部最优甚至训练失败。

来自主题: AI技术研报
8133 点击    2025-03-17 14:55