蒙娜丽莎让大模型们几乎全军覆没！网友：懂了，AI不会眯眼睛
蒙娜丽莎让大模型们几乎全军覆没！网友：懂了，AI不会眯眼睛又一个让大模型几乎全军覆没的难题出现了。
来自主题: AI资讯
6032 点击 2025-07-06 15:40
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
又一个让大模型几乎全军覆没的难题出现了。
面对扩散模型推理速度慢、成本高的问题，HKUST&北航&商汤提出了全新缓存加速方案——HarmoniCa：训练-推理协同的特征缓存加速框架，突破DiT架构在部署端的速度瓶颈，成功实现高性能无损加速。
2017 年，一篇《Attention Is All You Need》论文成为 AI 发展的一个重要分水岭，其中提出的 Transformer 依然是现今主流语言模型的基础范式。尤其是在基于 Transformer 的语言模型的 Scaling Law 得到实验验证后，AI 领域的发展更是进入了快车道。
三个前沿AI能融合成AGI吗？Sakana AI提出Multi-LLM AB-MCTS方法，整合o4-mini、Gemini-2.5-Pro与DeepSeek-R1-0528模型，在推理过程中动态协作，通过试错优化生成过程，有效融合群体AI智慧。
移动端侧模型迎来“新王”。
大模型越来越大，通用能力越来越强，但一遇到数学、科学、逻辑这类复杂问题，还是常“翻车”。为破解这一痛点，华为诺亚方舟实验室提出全新高阶推理框架 ——思维森林（Forest-of-Thought，FoT）。
大神Karpathy提出“软件3.0”才两周，“软件3.5”已经诞生了？交互即智能。指AI不再是黑盒工具，而是透明的思维伙伴。用户可以在AI思考的任何节点进行干预，提供战略指导或纠正方向。
播客、访谈、体育解说、新闻报道和电商直播中，语音对话已经无处不在。 当前的文本到语音（TTS）模型在单句或孤立段落的语音生成效果上取得了令人瞩目的进展，合成语音的自然度、清晰度和表现力都已显著提升，甚至接近真人水平。不过，由于缺乏整体的对话情境，这些 TTS 模型仍然无法合成高质量的对话语音。
那问题来了：大型语言模型（LLM）虽然语言能力惊人，但它们在语义压缩方面能做出和人类一样的权衡吗？为探讨这一问题，图灵奖得主LeCun团队，提出了一种全新的信息论框架。该框架通过对比人类与LLM在语义压缩中的策略，揭示了两者在压缩效率与语义保真之间的根本差异：LLM偏向极致的统计压缩，而人类更重细节与语境。
近年来，基础模型在具身智能领域展现出惊人的能力。通过离线模仿学习，这些具身智能模型掌握了多样化、复杂的操作技巧，能够完成抓取、搬运、放置等多种任务。