什么火了

热点

今日热点 · 前 3

一件事为什么火、在哪些平台上榜、热度是涨是落。

看今日热点 →

AI 热点 · 前 3

只看和 AI、科技有关的热点。

看 AI 热点 →

最近的重大发布

各家 AI 模型的发布、开源和传言，官方消息和媒体报道分开标。

打开时间线 →

相关

按分类 · 2,106 个榜单

综合 · 热门站点

全部综合站点 →

科技 · 热门站点

全部科技站点 →

娱乐 · 热门站点

全部娱乐站点 →

游戏 · 热门站点

全部游戏站点 →

生活 · 热门站点

全部生活站点 →

知识 · 热门站点

全部知识站点 →

社区 · 热门站点

全部社区站点 →

更多

快讯

快讯来源

各家快讯一页排开，重要的标出来。

全部快讯来源 →

AI 资讯

常读的 AI 公众号和科技媒体，新文章都在这一页。

去看 AI 资讯 →

更多

金价

品牌

各家今天的金价多少钱一克，从低到高排好。

看今日金价 →

今天最低的 3 家

看足金饰品榜 →

相关

7×24 财经快讯

185 个快讯频道

openFDA · 快讯

1分钟前更新
查看全部快讯
查看全部快讯
  • 🇷🇺
    🇷🇺 🇺🇦 ⚡️ — Ukrainian officials told The New York Times that the Lima Quant electronic warfare (EW) system diverted two Russian Oreshnik missiles launched toward the Kiev region. One missile struck a row of garages, miles away from any military target, while…
  • 🇷🇺
    🇷🇺 🇺🇦 ⚡️ — Ukrainian officials told The New York Times that the Lima Quant electronic warfare (EW) system diverted two Russian Oreshnik missiles launched toward the Kiev region. One missile struck a row of garages, miles away from any military target, while the second broke apart in flight and crash
  • 🇺🇸
    🇺🇸 🇷🇺 🇺🇦 🇪🇺 ⚡️ — US envoy Steve Witkoff says he hopes talks with Vladimir Putin will pave the way for a new round of trilateral negotiations between the US, Russia, and Ukraine, with European participation. @Intelslava
  • 🇷🇺
    🇷🇺 🇪🇺 ⚡️ — Europe needs to decide what it wants – peace or war – Putin The President added that Russia would like the Americans to work on this issue with the Europeans. Other statements: — Foreign troops in Ukraine will be a legitimate target for the Russian Armed Forces. — For Russia, there is onl
  • 🇺🇦
    🇺🇦 🇷🇺 ⚡️ — Footage from the scene of a car explosion on Kolpinsky Avenue in St. Petersburg. It is believed that the victim is a colonel in the Russian Aerospace Forces. @Intelslava
  • 🇺🇸
    🇺🇸 🇮🇶 ⚡️ — A U.S. MQ-9A Reaper drone was spotted flying over Baghdad, Iraq. @IntelSlava
  • 🇮🇷
    🇮🇷 🇺🇸 ⚡️ — Iran’s IRGC Navy announced that it targeted two oil tankers attempting to cross the Strait of Hormuz via an “unauthorized southern route,” causing both vessels to catch fire last night. @IntelSlava
  • 🇷🇺
    🇷🇺 🇺🇦 🇺🇸 🇪🇺 ⚡️ — Russia says recent trilateral talks with the US and Ukraine in Abu Dhabi focused on a European security framework to prevent escalation. Deputy Foreign Minister Sergey Ryabkov warns that European involvement could undermine negotiations and insists Washington must persuade its allie
  • 🇺🇦
    🇺🇦 🇷🇺 ⚡️ — Zelenskyy says systematic speed restrictions have disrupted Starshield operations across Ukraine, limiting its speed to 100 mph and hampering the military’s ability to intercept Russian jet-powered drones. @IntelSlava
  • 🇮🇷
    🇮🇷 ⚡️ — Reports of two ballistic missiles launches from Hamadan Province, western Iran. @IntelSlava
  • 🇺🇦
    🇺🇦 🇷🇺 ⚡️ — First images from the scene of the car explosion where the colonel was killed in St. Petersburg. The Investigative Committee confirmed the death of the military officer. A criminal case on murder has been opened. @Intelslava
  • 🇸🇾
    🇸🇾 ⚡️ — Protesters in Raqqa set tires ablaze and blocked roads to prevent oil tankers from reaching Damascus and Turkey, denouncing oil exports while local residents struggle with shortages of diesel and heating fuel. @IntelSlava
  • 🇺🇸
    🇺🇸 🇷🇺 ⚡️ — U.S. Special Envoy Steve Witkoff and Jared Kushner arrived in Moscow, Russia, for talks with Vladimir Putin. @IntelSlava
  • 🇺🇦
    🇺🇦 🇷🇺 ⚡️ — An explosive device was attached to the underside of the colonel's car and detonated remotely as he was driving out of the driveway. In the same district, in late August, Colonel Sergei Sechkov of the 6th Air and Air Defense Army was killed. His…
  • 🇺🇦
    🇺🇦 🇷🇺 ⚡️ — A car with a military officer exploded in St. Petersburg - Media According to preliminary reports, a colonel died in Sushary, on Kolpinsky Prospekt. A family member was nearby and survived, but sustained injuries. @Intelslava
  • 🇺🇦
    🇺🇦 🇷🇺 ⚡️ — A car with a military officer exploded in St. Petersburg - Media According to preliminary reports, a colonel died in Sushary, on Kolpinsky Prospekt. A family member was nearby and survived, but sustained injuries. @Intelslava
  • 🇺🇦
    🇺🇦 🇷🇺 ⚡️ — Zelensky stated that Russian negotiators refused to discuss a ceasefire with Ukraine. @Intelslava
  • 🇷🇺
    🇷🇺 🇺🇦 ⚡️ — UAV operators from the 14th Separate Guards Special Purpose Brigade of the Vostok Group of Forces destroyed Ukrainian "couriers" in the Zaporozhye direction. @IntelSlava
  • ⚡️
    ⚡️ 🇪🇺 — Vice-President of the European Commission Kaja Kallas on the Middle East: After these wars are over, the new security architecture for the Middle East needs to include also Europe, because it's our very close neighborhood. ⭐️ Follow @MaxOsintIntel
  • ⚡️
    ⚡️ 🇪🇺 — Vice-President of the European Commission Kaja Kallas on the Middle East: After these wars are over, the new security architecture for the Middle East needs to include also Europe, because it's our very close neighborhood. ⭐️ Follow @MaxOsintIntel
  • 🇾🇪
    🇾🇪 ❌ 🇸🇦 — Yemeni Armed Forces Spokesperson Yahya Saree announced a successful missile strike on a Saudi military leadership and operations room in the Al-Bariqa area. The targeted facility was responsible for overseeing and directing Saudi troop deployments across active fronts in Lahij, Al-Dhali, T
  • ⚡️
    ⚡️ 🇪🇺 — Vice-President of the European Commission Kaja Kallas on the Middle East: After these wars are over, the new security architecture for the Middle East needs to include also Europe, because it's our very close neighborhood. ⭐️ Follow @MaxOsintIntel
  • Al Saud regime, which sends the covering for the Kaaba to Epstein.
  • 🇫🇷
    🇫🇷 🇷🇺 ⚡️ — French authorities fear that Russia could launch a nuclear strike in response to long-range missile strikes against its territory, as European countries step up procurement of such weapons. @IntelSlava
  • 🇮🇱
    🇮🇱 ❌ 🇱🇧 — An Israeli airstrike targeted the town of Al-Mansouri, southern Lebanon. @IntelSlava
  • 🇷🇺
    🇷🇺 ❌ 🇦🇲 — Armenia has been stripped of its voting rights and the right to appoint its representatives to key positions within the Collective Security Treaty Organization (CSTO) due to its prolonged failure to fulfil its obligations within the organization. @IntelSlava
  • 🇩🇿
    🇩🇿 ⚡️ — The Algerian Ministry of National Defence has released footage showing the Algerian Navy launching a Chinese-made CM-302 (YJ-12B) anti-ship cruise missile. @IntelSlava
  • 🇷🇺
    🇷🇺 🫸 🇺🇦 An illustration of how difficult it is to disable drone launch facilities , even one apparently as close to the front line as the facility in Donetsk . The footage shows Ukrainian FP-2 drones carrying heavy warheads striking several drone shelters. Multiple drones are used against each shelt
  • 🇷🇺
    🇷🇺 ⚡️ — Russian Ambassador to the United States Alexander Darchiev has died at the age of 66. @IntelSlava
  • ⚡️
    ⚡️ 🇮🇱 🇱🇧 — The Israeli army has been tracking recent attempts by Hezbollah elements to operate near the Blue Line, according to Maariv. The report states that Israeli forces have been monitoring and inspecting readiness in the area, and in some cases, planting explosive devices. — Maariv @IntelSlava
  • A fire has broken out at the Omsk Oil Refinery in Russia following reported explosions at the facility on November 11. T…
    A fire has broken out at the Omsk Oil Refinery in Russia following reported explosions at the facility on November 11. The incident comes amid reports of an ongoing drone attack targeting the industrial complex. 💪 Follow Us | Discussion 💪
  • 🇮🇷
    🇮🇷 ❌ 🇺🇸 🇪🇺 – Major General Mohsen Rezaei, Secretary of Iran’s Supreme National Security Council, said the Iranian armed forces may target certain U.S. military bases in Europe if the war against Iran restarts. The threat comes days after Iran lifted its self-imposed limits on the range of ballistic
  • 🇺🇦
    🇺🇦 🇸🇪 ⚡️ — Ukraine is expected to receive its first Swedish-made Saab JAS 39 Gripen fighter jets in January–February 2027, Volodymyr Zelenskyy announced during a press conference. @IntelSlava
  • 🇺🇸
    🇺🇸 ❌ 🇮🇷 - General Mohsen Rezaei regarding retaliation against the U.S.: Any new U.S. attack will also be met with strikes targeting U.S. military bases farther away. Ending the war on all fronts in West Asia, especially in Lebanon, is one of our key conditions. We have reached an advanced level in e
  • 🇮🇷
    🇮🇷 ❌ 🇺🇸 - Test BM Launch from Ahvaz, Khuzedtan Province, Iran. @GeoPWatch
  • 🇷🇺
    🇷🇺 🇺🇦 ⚡️ — Compilation of footage showing Russian Aerospace Forces (VKS) operations: • Five FAB-500 guided aerial bombs striking a temporary deployment point of the 128th Separate Mountain Assault Brigade (128th OGShBr) near the settlement of Kushuhum, Zaporozhye Oblast. • One FAB-3000 striking an e
  • 🇷🇺
    🇷🇺 🇺🇦 ⚡️ — Following the negotiations in Abu Dhabi, a foundation has been laid for further work, according to Deputy Foreign Minister of Russia, Sergei Ryabkov. @Intelslava
  • 🇮🇷
    🇮🇷 🇷🇺 🇺🇸 ⚡️ — The Secretary of Iran's Supreme National Security Council Mohsen Rezaei told Al-Mayadeen: Not a single particle of enriched nuclear material will leave Iran. We have informed our Russian friends that the enriched materials will remain in Iran, and we will use them for ourselves; we nee
  • 🇨🇳
    🇨🇳 ⚡️ — Footage shows China’s Next-Generation Fighter, the J-36, continues its daytime flight testing. @OSINTWarfare
  • 🇮🇹
    🇮🇹 ⚡️ — Italian police evacuated 300 schools across several regions following email threats warning of possible bombs on the premises. @IntelSlava
  • 🇷🇺
    🇷🇺 🇺🇦 ⚡️ — Vladimir Medinsky says Russia and Ukraine have agreed to a large-scale prisoner exchange, with details expected to be announced soon. @Intelslava
  • 🇷🇺
    🇷🇺 🇺🇦 🇪🇺 ⚡️ — Medinsky: As soon as Europeans regain their conscience, they may become participants in the negotiations. @Intelslava
  • 🇷🇺
    🇷🇺 🇺🇦 🇪🇺 ⚡️ — Medinsky: "We have not received a single peace initiative, not a single peace proposal from the European countries. Therefore, it is unclear what to discuss. If they came here as tourists, they should go and chat in the hotel lobby bar ." @Intelslava
  • 🇷🇺
    🇷🇺 🇺🇦 🇪🇺 ⚡️ — E uropeans are contributing to the mass deaths of civilians. They are engaging in a collective deception of the Ukrainian people – Medinsky. @Intelslava
  • 🇷🇺
    🇷🇺 🇺🇦 ⚡️ — Russia believes it is right to address the issue of what will happen to security after the inevitable end of the conflict in Ukraine," Medinsky said following negotiations in Abu Dhabi. The conflict in Ukraine has shown that the security system in Europe is working very poorly, but the pa
  • 🇺🇦
    🇺🇦 🇷🇺 🇺🇸 ⚡️ — Ukraine will not agree to demands to withdraw troops from Donbas – Clown Zelenskyy at a meeting with journalists. He hopes that Washington will find another way to reach a deal. @Intelslava
  • 🇺🇦
    🇺🇦 🇷🇺 🇺🇸 ⚡️ — Ukraine is seeking financial support for at least 10 years to maintain an 800,000-strong army to defend against a potential renewed Russian invasion, according to AFP, citing the Ukrainian delegation. @Intelslava
  • 💲
    💲 💥 📉 Finally, bipartisanship. 🤝 Donald Trump and a newly elected Democratic senator have found the one thing they agree on. Both want to stop paying for Israel’s army. 💣 Trump says Israel no longer needs the money and the aid just gives Democrats ammunition. The senator-elect says the ammunition is
  • 🇮🇳
    🇮🇳 ⚡️ — Three personnel from the 46th Battalion of India's Central Reserve Police Force (CRPF) were injured after unidentified gunmen riding a motorcycle opened fire on security personnel deployed at a checkpoint in Kulgam district, Jammu and Kashmir, on Wednesday afternoon. @IntelSlava
  • 🇺🇦
    🇺🇦 🇺🇸 🇷🇺 ⚡️ — Kiev has rejected a new proposal from the United States regarding a revision of borders, which could have unblocked a peaceful resolution with Russia – The Telegraph. @Intelslava
  • 🇷🇺
    🇷🇺 🇺🇦 ⚡️ — The second day of negotiations between Russia, the United States, and Ukraine in Abu Dhabi is about to begin. Today, the discussions will focus on territorial issues. This is where the main disagreements between the parties lie. @Intelslava
查看全部快讯
  • Hy4 正式发布
  • Hyra 2.0：自动化科研的下一步
    AutoResearch的下半场，从「抽卡刷题」转向「工具升级」。
  • 当大模型强化学习走向规模化，Batch Size Scaling 有什么不一样？
    更大的 batch 让每次更新能够处理更多序列，从而利用更多并行计算资源；但在样本预算固定时，模型可更新的次数也会减少。在强化学习中，什么时候增大 batch 才能缩短达到目标性能所需的实际时间？对于大语言模型，还必须考虑训练轨迹需要在线生成，以及生成与训练对计算资源的需求并不相同。我们建立了一个将达标所需样本数与端到端吞吐量联系起来的分析框架：只有吞吐增益超过额外的样本代价，更大的 batch 才能加速训练。这也给出了一个实用的调参顺序：先找到 batch size 变化后学习效果仍近似不变的范围，再在这个范围内优化吞吐量。GRPO 和 PPO 实验表明，重新调整学习率后，不同 batch 的学习曲线在一定范围内按累计样本数比较时大致对齐。在固定硬件上，增大 batch 使生成吞吐量最高提升 2.29 倍；我们测得的最佳 GRPO 配置在不增加 GPU 的情况下，将达到同一验证目标所需的时间缩短了 29%。
  • Hy Image3.5 preview 发布：为专业创作提供高性价比模型
  • Hy4 preview 发布
  • From LR to ELR: A Better Heuristic for Pretraining Dynamics
    在大模型（Large Language Models，LLM）预训练中，超参数是影响效果好坏、控制模型训练动态的关键因素。而学习率（Learning Rate, LR）作为预训练中最重要的超参数之一，却无法精确控制模型参数的演化速率，其最优取值又往往随模型和数据规模的扩大而改变。本文引入了有效学习率（Effective Learning Rate, ELR）来控制模型权重的方向变化。作为可调超参数，ELR 比 LR 更贴近训练的内在动态，因此是更合适的调参依据：在多幂律（Multi-Power Law, MPL）模型中，以 ELR 为依据可以更准确地预测损失，最优 ELR 也能更可靠地迁移到不同规模的模型。进一步地，ELR 这一视角还能指导我们设计更合适的 LR 调度策略，并在实验中优于常规 LR 调度策略基线。
  • Hyra: 简单有效的科学发现智能体
    今天我们推出Hyra-1.0，这是 Hyra（Hunyuan Research Agent） 的首个版本：一个能够递归自我改进、专为性能导向的研究与工程任务打造的智能体。
  • Hy3 正式发布
  • Hy-MT2：面向实际应用场景的高性能多语言翻译模型
    Hy-MT2 是支持 33 种语言互译的多语言模型，其中7B 和 30B-A3B模型在各类翻译任务上达到了开源模型最佳效果，超越了几十倍参数量的模型。轻量级的 1.8B 模型也超越了微软和豆包等主流商业 API，且得益于 AngelSlim 1.25-bit 极端量化，仅需 440MB 存储空间，可以轻松部署在苹果、高通、联发科等手机芯片上支持本地推理，相比Hy-MT1.5推理速度提升 1.5 倍。基于Hy-MT2模型的“腾讯Hy翻译”小程序已经上线，IOS和安卓APP即将上线（支持本地推理）。
  • Real life is where context gets hard
    此前，我们发布了 CL-bench，用来测试 AI 能否从 context 中掌握复杂的新知识，并将其有效运用。它关注的是专业场景中相对清晰、经过整理的 context。但现实生活中的 context 并不是一本提前梳理好的“说明书”。如果要成为真正好用的日常助理，AI 不能只停留于理解和运用新知识；它还必须能看懂复杂的人际关系，处理混乱、碎片化、不断变化的信息，并从这些线索中读懂我们真实的生活。
  • Hy3 preview : 混元大模型重建的第一步
  • Stabilizing RLVR via Token-level Gradient Diagnosis and Layerwise Clipping
  • Learning from context is harder than we thought
查看全部快讯

USAspending · 快讯

1分钟前更新
查看全部快讯

微信公众号 · 42章经

最新文章42分钟前更新
  • 少有的同时做过 Agent、多模态和具身的人 | 42章经
    Astra 可能是具身的 GPT-3 时刻 淏楠最早在 MiroMind 做 Agent，后来转去混元，负责多模态 RL infra，最近又去了某具身公司负责模型训练。 本期播客原文约 19000 字，编辑整理后约 5600 字。 曲凯：去年应用落地有两条主线，一是 Agent，二是多模态。现在 Agent 这边方向已经比较明确了，尤其是最近又有 Personal Agent 这一波。那多模态这边，这一年有哪些新的进展？ 淏楠：在这个领域里，一年太长了哈哈。 不过我们可以再往回倒一下。其实在做多模态之前，25 年 10 月的时候，我在 MiroMind 做纯语言的 Agent，主要参与 mid-train 和 SFT，做 Web Search 的数据。 但去年年底的时候我就意识到了一个问题：如果继续做 Agent，我大概率会以造数据为主。对我来说，这件事不够有趣。 那时多模态也很热，我和一些做这块的朋友交流过，觉得这个方向还不错，自己也感兴趣，所以就转到了多模态。 曲凯：但做多模态的后训练，不也是要搞很多数据吗？你实际做下来，感受怎么样？ 淏楠：我去混元做的是 RL infra，更偏底
  • 这个破业非创不可吗？｜42章经
    永远记着穷的时候，也永远要有一张保命的牌。 Jason 是 Articuler AI 创始人，此前做过 5 年投资。他并不符合投资人最喜欢的那类创始人画像，也经历过融资困难、资金链濒临断裂的低谷。但去年，他埋头去了美国，在绝境中找到了新的 PMF，产品也慢慢走上了正轨。 本期播客原文约 19000 字，编辑整理后约 3000 字。 曲凯：去年我们聊的时候，市面上有不少做「AI 找人」的工具，你们也是其中之一，但现在你们走了一条不太一样的路。能不能先讲讲，你是怎么转到线下会议这个场景的？ Jason：坦诚来讲，没什么灵机一动，就是去年账上真没钱了，投不起广告。 那怎么办？ 我当时就每天去硅谷的大学门口和活动现场发传单。一来二去，发现线下活动是一个很有趣的场景： 大家都是带着交流或者找人的明确目的去参加活动的，但到了现场，哪怕你想认识的人就在旁边坐着，你可能都不知道 Ta 是谁。如果我们能了解一个人的背景、意图之类的，就能做更高效的分发。 曲凯：我到今天也有你说的这个诉求，就是一直想知道身边的人都在干嘛，尤其是在那些投资人和创业者多的地方，比如湾区的 Blue Bottle（笑）。 所以你
  • 一个 Personal Agent 创业者的思考｜42章经
    Personal Agent 最大的机会可能来自于交互 子皓是 Ambi 创始人，曾任 Plaud 合伙人兼中国区 CEO，还曾创办米公益，该公司后来被轻松筹收购。此后，他先后担任暖哇科技合伙人兼首席产品官、百川智能医疗方向产品及运营负责人。 本期播客原文约 31000 字，编辑整理后约 6300 字。 曲凯：我觉得这波 Personal AI 是从 OpenClaw 延续下来的，而 OpenClaw 也可以看成是 Manus 的延续，主线就是怎么让大家真正用 AI 做事。你觉得这一波和之前有什么区别？是像 OpenClaw 那样的一次乍现，还是确实发生了什么变化？ 子皓：我并不觉得 OpenClaw 那波是昙花一现。从年初到现在，大家一直在围绕它迭代，只是之前确实还没有真正跑出 C 端 PMF 的产品。 当时大家都说 OpenClaw、Hermes 这些产品很厉害，但很难用一个明确的场景和价值点，告诉别人它到底厉害在哪。即便别人知道了，想获得同样的能力，也要搞定安装、接 Connectors、补上下文之类的各种问题。 不过随着模型不断升级，「让普通人用起来」所需的基础条件也越来越成熟
  • AI Trading —— 决策便宜，行动很贵｜42章经
    数据多，真的不等于有 alpha。 浩哲是港大在读博士、HKUDS 成员，本科毕业于武汉大学数学系。这几年他一直在探索 AI for Finance 相关的事情，前段时间做了一个很火的项目 Vibe-Trading，开源不到半年就已有超 3w star。 本期播客原文约 13500 字，编辑整理后约 4600 字。 曲凯：能不能先给大家简单介绍一下 Vibe-Trading 这个项目？ 浩哲：它是一个覆盖二级市场的交易台，体验有点像是让你拥有一支跨工作台的研究团队。你用自然语言提出一个投资想法，它就能调动宏观、公司基本面、量化和风险复核等方面的研究能力，帮你看清公司的现金流怎么样、催化剂是什么、风险在哪，最后由你自己决定要不要投资。 但其实我们去年年底启动这个项目时，原本做的是一个给量化研究员用的专业工具。之所以会有调整，一方面是因为发现原来的方向和用户需求有点相悖，另一方面是我也越来越重视一个问题，就是研究结果能不能让人检查和理解。 金融需要可解释性，而且我有一个观念： 金融里的决策很便宜，行动很贵。 在其他行业，大家常说 AI 让「做」变得很便宜，难的是决定做什么。拿软件开发举例，
  • 活动报名：如何训出自己的模型？｜42章经
    模应一体的新趋势 最近硅谷有了新热点：主权 AI 和 Personal Intelligence。简单来说，就是很多人开始相信，未来会有越来越多的应用公司和个人，训练自己的模型。 对绝大多数人来说，训练模型仍然是一件听起来遥不可及、门槛很高的事，但我们最近一期播客的嘉宾逯雨鑫却认为，它非常简单，简单到他此前没有 AI Lab 的经历，也不是 AI PhD，只用了 2 周和数百美元，就后训练出了两个登顶 Hugging Face Model Trending 榜首的小模型。 在播客里，他完整分享了自己的 pipeline，以及对模型厂和应用公司之间关系等话题的思考。雨鑫已经很坦诚地分享了许多实操经验和踩过的坑，但相信很多朋友仍会有更具体的问题，或想了解更多。因此，我们也组织了这次线上活动，邀请雨鑫来和大家认识、交流一下。 具体报名信息请见上方海报。活动时间为北京时间 9 月 12 日（周六）上午 10:30，线上进行，免费参加。我们会优先通过回答更认真、且与我们背景更匹配的朋友（非投资行业），尤其欢迎应用创始人。具体通过情况请以工作人员通知为准。 期待和大家认识 & 交流！
  • 一个人、两周、数百美元，如何训出登顶 Hugging Face 的模型｜42章经
    模型的价值会慢慢地往应用公司让渡？ 本期节目的嘉宾逯雨鑫是 Mind Lab 的研究员。此前，他以个人开发者的身份，仅花费数百美元，后训练出了两个登顶 Hugging Face Model Trending 榜的模型。 本期播客原文约 15000 字，本文经过删减整理后约 4800 字。 曲凯：今天大多数人还是觉得训模型是一件非常难的事情，不知道有哪些步骤、具体该怎么做。大家印象中，训模型的人一般也都是各种 PhD、researcher 之类的。但雨鑫你其实不是 AI PhD，此前也没有 AI Lab 的训练经验，为什么能训出两个登顶 Hugging Face 开源模型榜首的小模型？ 雨鑫：其实要训出能在工业界用起来的模型，路径是很明确的，没有大家想象中那么难。只要自学一些基础，再加上现在各种 AI 工具的加成，很多人都可以做到。 曲凯：你训练这两版模型，大概花了多少时间和钱？ 雨鑫：第一版花了 5 天左右，第二版时间长一些，大概两三周，然后总共花了几百美元。硬件上，我就用了一张 5090。现在租一张 5090，每小时可能只要一两美元，真正训练一次也就是十几个小时。即便迭代几版，硬件成
  • 活动报名：RSI 和合成数据｜42章经
    和 model researchers 一起交流 最近几个月，AI 应用侧比较冷，但模型侧非常热闹，国内外模型厂都在持续发版、交替领先。过去一段时间，我们也密集找了很多 Model Researchers 交流，想看看底层正在发生哪些变化。 聊下来，一个很明显的感受是： 数据变得越来越重要。 过去几个月里，也有一些专门做数据的公司跑出来，收入都做得非常高。Evolvent AI 就是其中之一。 在新一期播客里，我们请到了 Evolvent AI 的联创繁青。繁青是 01 年的 PhD，之前在 Kimi 做过一年多 RL infra 和 agent 相关工作，参与过 Kimi K2.5、Kimi Linear 等重要模型发版。 在播客里，我们聊到了模型竞争、算法 / 数据 / infra 之间的关系、RSI，以及比较敏感的蒸馏话题。繁青讲得非常实在，我们把节目内容发到 X 上后，也在 researchers 中间获得了一些关注（之后还会在 X 上继续发一些 memo，欢迎关注～）。 但播客毕竟是单向输出，而且是公开内容。其实围绕基模、RSI、数据，以及国内模型厂的真实差异，还有很多问题值
  • 从蒸馏到合成数据到 RSI，模型竞争的下一个焦点是什么？｜42章经
    蒸馏并不是国模变强的决定性因素 本期嘉宾繁青是 Evolvent AI 联创。他是 01 年的 PhD，曾在 Kimi 做了一年多 RL infra 和 agent，参与 Kimi K2.5、Kimi Linear 等重要模型的发布。Evolvent AI 也是这批数据公司里跑得比较好的几家之一。 本期播客原文约 19000 字，本文经过删减整理后约 6200 字。 曲凯：我们最近聊了很多模型、算法相关的人，发现出来创业的人里，大多是 post-training 背景，而 pre-training 背景的很少。这是为什么？ 繁青：做 pre-training 很吃资源，初创公司很难 cover 这块成本。而 post-training 就好很多，路径也比较明确：要么做合成数据，要么做平台类的东西。后者可能有点抽象，可以简单理解成做 bench。 不过现在的 bench 和以前不太一样。 以前主要考模型的推理和做题能力，现在还要考模型在真实环境里的操作能力，比如能不能很好地操作飞书、Notion 等软件。这种 bench 如果做得足够好，很容易转成落地的商业模式。 曲凯：但以前做题和 c
  • Ambi 的技术理念
    以下文章来源于：过程即奖励 过程即奖励 因上努力 果上随缘 Ambi 正式开放内测。 我所相信的 产品就是我们的认知在这个真实世界的投射，上次说的是我们相信的，这次想说一下我们技术和交互上的选择和理念。 我们做 ambi 最大的出发点，在于智能平权的时代，我们希望改变 AI 跟人的交互方式，让人能够更大程度地使用智能。 所以我们做软硬结合垂直一体的硬件，我们做多端的产品，我们做实时交互让AI走到环境里来而不是异步互动，这些在这次内测都能体验。（注：软硬结合的产品用apple watch上的app来替代，只能达到我们自己硬件理想态的30%的效果） 除了这些，我们还有一个一直没有公开的一个功能——Sidekicks。 我一直在思考一个问题：既然智能平权了，无时无刻地使用智能，真的就代表“最大程度”地使用智能吗？从第一性原理去思考，无时无刻地使用“尽可能多”的智能，才叫最大程度地使用智能。 我们现在看到很多产品，包括海外 Thinking Machines 做的 Real-time Interactive的产品和 Demo，遵循的是“Listen, Think, Act”的逻辑。但你会发现，
  • AI 发展了 4 年，把应用发展没了？| 42章经
    谁不爱打逆风局？ 23 年的时候，大家不知道 AI 行不行，我们还在探讨的是 AI 到底是一波多大的机会，该对标什么，以及相信 AI 的也没有办法看清模型和应用之间的关系如何，像 Character.ai 的模型和应用一体的模式一度成为了最优解，最后的结果是市场在摸索中浅尝辄止地投资模型和应用在内的 AI，谁拿到的钱都不算多。 24 年上半年的时候，整体 AI 都很凉，市场连模型带应用一起质疑，记得 24 年 4 月份 GPT4o 发布的时候，市场反响平平，今天回头看我们才知道 4o 对开启推理和 Agent 的跨时代的意义。直到 24 年下半年，整个市场开始回温，尤其在应用市场表现最明显，也许可以称之为一种价值回归，从那个时候开始，市场开启了为期两年的大厂高 P 的创业时代，夸张点说，字节里每个产品线中最有能力的口碑最好的人是谁，可能一些投资人都要比张一鸣本人还更了解。 25 年开端，大家开始讨论模型算法是阶梯上升的，预训练不再 scaling 了，算法撞壁了，本来市场可能会发生一次剧烈的回调，但 deepseek 和 manus 横空出世，生生为模型和应用续上了一条命，这一年里，字
  • 少有的深度参与过字节、美团组织建设的人｜42章经
    很多人都搞错了组织建设和招聘中的轻重缓急 魏小康是我认识的移动互联网时代里最懂组织和招聘的人之一，且是一个少有的既深度参与过字节组织建设，也深度参与过美团组织建设的人。他目前正在创业，开发一款 AI 招聘产品。 本期播客原文约 18000 字，本文经过删减整理后约 9000 字。 曲凯：你先后在字节和美团做过招聘负责人，在美团也做过 AI 产品经理。 小康：对。我是 2017 年到 2020 年 12 月在字节，对应抖音增长最快的几年。 2020 年 12 月到 2026 年 1 月，我在美团。那时候中国移动互联网还在增长，但增速已经开始下滑，所以各家公司的组织能力会更明显地体现出来。外界对美团的组织能力有很多争议，但在我看来，中国互联网圈里真正懂怎么做零售的，只有美团和拼多多。 字节和美团很多操作看起来是反着来的，但如果刨根问底地看，两边文化和创始人的底层观念其实是一样的，只是业务类型不一样。 曲凯：那我们先从创始人开始聊。像张一鸣和王兴这样优秀的创始人，有什么共同特质？ 小康：1）学习能力强，且好奇心重。2）Ego 小。3）有很强的动力。4）精力好。 曲凯：我们挨个拆一下。你说的学
  • 活动报名：招聘是生死攸关的头等大事｜42章经
    到底该怎么做好组织建设？ AI 时代的组织建设，一直是个很热、也很重要的话题。 到底该怎么理解组织建设？围绕组织，最重要的环节和话题是什么、有什么方法论？现在公司到底需要什么样的人、怎样找到并招到这些人？AI 介入之后，人与业务该怎样重新分工、一起运转？创业公司能不能从大厂的组织建设中学到什么？ 在最近一期播客中，我们邀请了互联网行业资深人力资源专家及 AI 产品经理魏小康，聊了聊他对组织建设和招聘的系统思考。 小康曾创办互联网猎头公司 Offercome。2017 年，公司被字节收购，他随后加入字节，担任招聘负责人，并在 2020 年加入美团，担任招聘负责人和 AI 产品经理，目前正在创业，做一款 AI 招聘产品。 播客中，我们聊出了一套 AI 时代组织建设的框架，但还有很多问题可以讲得更细、更透。所以我们会邀请小康在北京做一场线下分享，和大家一起交流探讨。 具体报名信息请见上方海报。活动时间为北京时间 7 月 4 日（周六）下午 14:30，线下进行，免费参加。本次活动限 50 人（非投资行业），我们会优先通过回答更认真、跟我们背景更匹配的朋友，具体通过情况请以工作人员通知为准。
  • 泡沫的四个必要不充分条件 | 42章经
    泡沫中不能说的秘密 朱宁教授是上海交通大学上海高级金融学院金融学教授，研究领域包括行为金融学、中国宏观经济与金融市场、泡沫等。节目里，我们聊到了当下的 AI 与泡沫、底层的投资常识和方法论等话题。 本期播客原文约 24000 字，本文经过删减整理后约 8600 字。 曲凯：您研究了这么多年经济和泡沫，最核心的几条认知和结论是什么？ 朱宁：在任何一次泡沫和危机里，人类都会反复出现三个行为特征： 第一，人非常自信，会觉得自己有很强的预测能力、是很优秀的投资者。虽然不是股神，但好像跟巴菲特的差距也没那么大。 第二，人特别愿意进行线性外推。比如昨天股市涨了，大家就会想明天大概率还会涨。这既和我们的过度自信有关，也和人类在长期进化中的思维固化有关。所以我特别喜欢黑格尔的一句话：「人类从历史中学到的唯一教训，就是人类无法从历史中学到任何教训」。 第三，人是社会动物，有非常强烈的从众心态。很多人对市场完全不了解，但只要看到周围有足够多的人在炒股，而且赚到了钱，就会跟着参与。 所以很多人在投资过程中，并不会进行本该进行的思考、分析和学习，而是在用诺奖得主卡尼曼教授所说的「启发式思维」去决策： 我看见了
  • 一个 AI 创始人的虚荣心、装，和愚昧之巅｜42章经
    创业不能用太多左脑，而是要用心。 本期播客原文约 25000 字，本文经过删减整理后约 8000 字。 曲凯：梦琪创业这一年，其实走完了很多 AI 软件创业者这几年的典型流程： 字节背景，一个梦幻团队，讲一个当下 AI 里很流行的故事，融几轮钱，然后随着技术和热点变化 pivot。当然，也和大家一样遇到了今天这个软件行业的低点。 但现在的低点和 23、24 年还不太一样。那时候是整个市场都冷，但现在具身、AI 硬件都很热，反而软件创业者会更难受。 梦琪：你一上来就有点把我架在火上烤哈哈。但软件行业现在确实挺惨。 其实去年 5 月之后能融到大钱的软件创始人，都应该给 Manus 磕一个，因为是 Manus 让 Agent 在国内变成了一个热门标的。不过那一批做 Agent 的公司，很多都和 SaaS 没有本质区别，最后都是服务企业客户，只是靠着 Agent 这个概念，拿更多钱和更高估值。 曲凯：所以你后面也开始感受到，软件创业很难回答差异化的问题？ 梦琪：对。我大概在今年二三月份的时候有点扛不住了，因为我回答不了几个问题： 你跟 Claude Code 的区别是什么？如果 Claude
  • 当软件容易被创作，新时代的产品长什么样？｜42章经
    创业公司围绕普遍性做事就完蛋了 本期播客原文约 17000 字，本文经过删减整理后约 6700 字。 曲凯：我最近跟很多创业者聊，大家可能一个月前还特别兴奋，觉得找到了好机会；一个月后就觉得被模型迭代吃掉了。包括我现在也感觉很累、对新项目提不起太大的兴致，因为确实不知道创业公司的价值和壁垒在哪…最近你感受怎么样？ Albert：现在整个行业都哀鸿遍野，大家都在 pivot 和 pivot 的路上哈哈。不只是创业公司，成熟公司也是这样。 这种悲观是有道理的。因为模型公司确实掌握了绝对价值，最后大概率也会拿走绝大多数价值。你做很多事，都像「压路机前捡钢镚」——这是我最近新学的一个歇后语（苦笑），就是说大的压路机要来了，你闪得够快也能捡到钱，但终究只是个钢镚，没什么意思。 但换个角度，AI coding 给小团队和超级个体加上了 100 倍杠杆，所以最近大家也在频繁讲 OPC。 曲凯：你们过去几个月也 vibe coding 了很多东西？ Albert：对。Opus 4.6 出来以后，两个月里我们做了几十个东西，但都不是能作为公司产品发出来的。服务市场用户，还是有很多挑战，比如运营、增长、交
  • 活动报名：理解 OPC，成为 OPC｜42章经
    怎样成为一个运转良好的 OPC？随着 OPC 群体壮大，会出现什么新的创业机会和想象空间？ 过去这段时间，OPC 被越来越多人提起。 由于模型能力提升、AI Coding 进展加快，「一人公司」已经从一个新兴概念，变成了一种越来越现实的组织形式。 但要怎样成为一个运转良好的 OPC？在这个过程中，可能会踩什么坑、遇到哪些阻碍？随着 OPC 群体慢慢壮大，又会出现什么新的创业机会和想象空间？ 我们邀请了几位很适合回答这些问题的嘉宾，来和大家在线交流。他们分别是： 刘小排：Raphael AI 创始人，Anthropic「榜一大哥」，曾因消耗 token 数量过多收到 Claude 官方通告，可能是最出名的 OPC 实践者之一。 Albert：Merging.live 创始人，也是我们最受欢迎的嘉宾之一。他之前来聊过内容和连接平台，聊过找 PMF，也聊过这段时间自己创业状态的变化。最近他回归做社区的老本行，在做一款 for builders 的连接产品。 聪聪：Velobase.io 创始人，在做一款帮助 builders 追踪 AI token 费用的开源工具。 RC：Slock.ai
  • 用 Agent 动力学，和 40 个 Agents 一起为「人 + AI」做产品｜42章经
    需求本身就是 idea 本期播客原文约 23000 字，本文经过删减整理后约 9600 字。 曲凯：我们很开心请到了 Slock.ai 的创始人、Kimi CLI 的作者 RC。 最近大家都在聊 CLI，能不能先给没有技术背景的朋友解释一下这是什么？ RC：CLI 就是命令行界面（Command Line Interface）。 现在大多数人接触到的都是 GUI，也就是图形界面。但这种形态对 agent 不太友好，因为大模型是 text-based 的，相比 GUI，它天然更容易理解 CLI 这种文本化、结构化的形态。所以最近随着 agent 能力突破、它能去操作很多产品了，CLI 就重新火了起来。 曲凯：听起来 CLI 是个很基础的东西。所以今天说「做 CLI」，到底是在做什么？ RC：今天讲的「做 CLI」，和以前不太一样。 以前做 CLI，主要是给人用的，所以可以做得很花哨。但今天 CLI 的目标用户变成了 agent，就要重新设计输入和输出。 输入要尽量简洁、明确。比如 help message、menu 这些地方，要尽量给出清楚的示例，避免 agent 在调用时出错。 输出也
  • AI 会带来大规模失业吗？｜42章经
    最后都是一道 ROI 题 未来几年，我们可能会见到以前从未见过的世界。 Anthropic 的 CEO 说： 「约 50% 的初级白领岗位可能在未来 1–5 年内消失。」 扎克伯格也说： 「中级程序员很快将变得不必要。」此后，Meta 就裁员了 5%。 AI 越进步，人们越焦虑。 遇到这种恐慌时，我们的第一反应，往往是去历史中寻找慰藉。 在过去 200 年里，每一轮技术革命几乎都会带来失业焦虑，但通常不会真的引发长期的大规模失业，反而会创造更多就业。 最经典的例子之一，就是动力织布机。它的出现一度打击了手工织布工，但也极大地降低了纺织品成本、激发了更大的需求。最终，纺织业的规模大幅扩张，创造了远超手工作坊时代的工作岗位。 但 AI 这一波，确实有几个不太一样的地方。 1）速度更快。 过去的劳动转型是缓慢的。农业转型花了一个世纪，电话接线员被替代用了约 50 年。这种节奏，给了社会消化和反应的时间。 而一旦速度加快，情况就会发生变化。比如在 2000 年前后的「锈带危机」中，中国入世之后，在不到十年的时间里密集冲击了美国制造业，很多地区根本来不及调整，最终只有 17% 的制造业重镇实现了
  • 我们是如何定义 OpenClaw for Teams 新产品形态的｜42章经
    把钱花在 Token 上，而不是工资上 宇豪 16 岁进入浙大，随后赴 CMU 攻读硕士，之后先后在 Meta 和 SmartNews 的重要产品线工作。他在 23 年开始 AI 创业，24 年和几个联创 bootstrap 做出了一款千万刀 ARR 的产品 Kuse.ai，并在不久前推出了 OpenClaw for Teams 的新产品 Junior.so。 本期播客原文约 25000 字，本文经过删减整理后约 8900 字。 曲凯：很多人应该都刷到过 Kuse 的新闻，重点基本都是一件事：你们没融资，但很快就做到了千万刀 ARR。 宇豪：对，到目前为止我们还是 bootstrap，用的是几个 founders 自己的钱，大概有一两百万美金。 曲凯：自己愿意投这么多就已经很厉害了，何况还能用这些钱做到千万刀 ARR。你们是怎么做到的？ 宇豪：核心还是抓住客户的真实需求，然后持续打磨，尤其是不断往价值更高的场景去迭代。 其实在最开始的很长一段时间，我们都没有成功获客。但做着做着，我们发现有不少用户会把文件和资料上传上来，让我们帮忙整理、重组，而且这类用户的留存明显更高。于是我们就沿着这
  • OpenClaw 之后，我只想未来 3-6 个月的事情｜42章经
    如果回到去年 3 月，你要不要做 Genspark？ 本期播客原文约 18000 字，本文经过删减整理后约 7800 字。 曲凯：很开心又请到文锋。我们上次录节目大概是一年前，当时 Manus 刚发布不久，我们聊了很多 Agent 相关的话题（回顾：Agent 开发的上半场: 环境、Tools 和 Context 如何决定 Agent）。 最近 OpenClaw 又带起了一波 Agent 热，你觉得这一波和去年的区别是什么？ 文锋：我没觉得有本质区别。 Manus 跟 OpenClaw 都证明了一类新形态的产品。 Manus 那波的核心来源是 o1 模型带来的推理能力与思维链能力，而 Manus 本身是模型 API 时代套壳的极致表现。 这次 OpenClaw 之所以这么火，本质是因为它是第一个真正把最新模型 Coding 能力压到极致的产品形态。而且它让大家看到了，有主动性、能够自我迭代和进化的 Proactive Agent 到底长什么样子。 曲凯：去年那期播客里，你说过一句让我印象特别深的话：AI Coding 是大模型的灵巧手。 文锋：对，这件事已经被证明了。 不过相比去年「灵
查看全部文章

微信公众号 · 我爱计算机视觉

最新文章48分钟前更新
  • 南洋理工新研究全面实测371张顶会配图：生成式AI绘图存在明确清晰度与美学冲突
    绘图利器亦是双刃剑。 在各大计算机视觉顶会截止日的前夕，许多科研人员都有过相似的经历：正文已经修改完毕，但第一张图表（Figure 1）仍停留在绘图软件中。微调箭头的走向、统一色系编码、或是替换一个能够精准表达核心直觉的示例，这些通宵达旦的调整往往决定了读者能否在数秒内抓住一篇论文的灵魂。 随着生成式人工智能（Generative AI）工具的普及，绘制架构图与动机图的门槛被大幅拉低。圆角边框、柔和马卡龙色调、细致的概念图标与流程卡片迅速在各大顶会预印本中流行开来。然而，这种由模型辅助甚至直接生成的学术配图，究竟是让研究更具解释力，还是制造了视觉杂乱？ 针对这一问题，来自新加坡南洋理工大学的研究团队展开了一项系统性的实证回顾研究，全面探讨了生成式 AI 时代下科研论文中的动机图（Motivation Figure）与架构图（Framework Figure）设计。 背景与动机：视觉形式与科学本质的呼应 科学图表不仅是正文的装饰，更是科研想法的视觉化载体。正如经典的 U-Net 通过「U 形」拓扑结构展现多尺度下采样与跳跃连接，Transformer 通过左右分离的编码器-解码器架构传达
  • ACM MM 2026 Oral | 北航等提出CamoDreamer：要融入，先解耦：通过上下文解耦同化渲染重新思考伪装图像生成
    本篇分享ACM MM 2026（Oral）论文《To Blend In, First Decouple: Rethinking Camouflage Image Generation via Context-Decoupled Representations》。北京航空航天大学计算机学院李甲赵一凡研究团队与吉利汽车研究院人工智能中心联合提出了一种上下文解耦同化渲染框架，用于高保真伪装图像生成。 通讯作者：赵一凡，李甲 论文地址：https://dl.acm.org/doi/epdf/10.1145/3767308.3835357 代码地址：https://github.com/fayewong666999/CamoDreamer 摘要 伪装图像生成（CIG）专注于生成视觉上隐蔽的物体，使其无缝融入背景。现有方法通常采用背景引导范式（通过风格迁移调整物体外观）或前景引导策略（基于物体特征对周围区域进行外推绘制）。然而，这些方法仍存在外观差异和背景伪影的问题。本文将这些局限性归因于跨上下文表征泄露物体与背景线索在耦合条件空间中相互纠缠，导致控制模糊且伪装保真度下降。 为解决这一问题，提出了
  • ICASSP 2027 HEARTBEAT Challenge 参赛招募
    提交截止：12 月 23 日 实时语音模型已具备边听边说的能力，多模态系统也能持续接收周围环境信息。进入真实交互后，系统必须进一步判断是否、何时、如何回应：用户的停顿与附和可能意味着继续倾听，明确的纠正需要及时停下，新的环境事件也可能需要主动提醒。回应过早会干扰交流，回应过晚又会错过有用时机。因此，评估智能体在何时采取何种行为，与评估它听懂了什么同样重要。 围绕这一问题，作为 ICASSP 2027 SP Grand Challenges 的 GC-15 赛题，HEARTBEAT Challenge 2027 现已启动，面向实时语音、音频语言模型、多模态理解与具身智能研究团队开放报名。 挑战设置两个独立 Track：Reciprocal Audio Turn-Taking 关注对话中何时开口、续说或停下；Streaming Proactive Understanding 关注连续视听或纯音频流中何时主动回应。两条赛道共同评估智能体能否根据当下信息，决定是否回应、何时回应、如何回应。 图 1：HEARTBEAT Challenge 总览。Track I 与 Track II 独立评测，分
  • TCSVT 2026 西工大提出DSAFormer：空间与通道双稀疏机制，破解多光谱目标检测的注意力弥散难题
    双稀疏去噪，全天候感知 在复杂恶劣的气象环境与全天候监控场景中，基于可见光（VIS）与红外（IR）的多光谱目标检测展现出了单模态方案难以比拟的鲁棒性：可见光图像富含细腻的纹理表征与色彩层次，却极易受黑夜、浓雾、雨雪等低能见度环境制约；红外热成像依据物体热辐射成像，能够穿透暗夜与烟尘清晰勾勒目标轮廓，但在目标与环境温差微弱时对比度低下，无法清晰界定前后景。二者的互补融合，是实现全天候感知的前提。 近年来，以CFT、CrossFormer与EIDet为代表的视觉Transformer（Vision Transformer, ViT）架构在多光谱融合领域成为研究热点。然而，现有多模态交叉注意力方案普遍采用“全量Token密集交互（Dense Cross-Attention）”机制。西北工业大学团队在最新研究中揭示了一个被长期忽视的问题：跨模态图像中存在大面积与检测目标无关的冗余区域，密集的全局Token点积会导致注意力权重产生系统性弥散，反而损伤检测精度。 为此，研究团队提出了双稀疏聚合Transformer（Dual Sparse Aggregation Transformer, DSAF
  • TPAMI 2026｜西南财大&电子科大等提出MIIB：打破多视角冗余假设，多模态自监督解耦新范式
    破解跨模态协同瓶颈 在当前的多模态自监督学习中，以 CLIP 为代表的对比学习方法占据着主流地位。这类方法通常建立在多视角冗余假设（Multi-view Redundancy Assumption）之上，即预设各模态之间具备高度对等的语义，下游任务所需的关键信息主要存在于模态间的共享语义中。然而在医疗诊断、情感计算及图文跨模态分析等真实场景下，不同模态往往展现出极大的异质性与信息不对称性：各个模态不仅拥有独特的私有特征，更存在大量仅在模态联合出现时才能涌现的“协同特征”。 针对这一痛点，西南财经大学、复旦大学、电子科技大学、中国科学院深圳先进技术研究院、四川大学与国防科技大学等多家机构联合提出了一种理论扎实且计算可行的多模态自监督表示学习框架——多模态信息交互瓶颈（Multimodal Information Interactions Bottleneck，简称 MIIB）。该论文已被计算机视觉与模式识别领域顶级期刊 IEEE TPAMI 录用。 论文命名解读：MIIB 的命名根植于信息论中的部分信息分解（Partial Information Decomposition, PID）与
  • TPAMI 2026｜悉尼大学和新国立提出：从“神经元”到“路径”，TraceRouter++重定向大模型有害语义
    论文速览：传统安全干预往往试图找到少数“危险神经元”并将其压制，但有害语义并不会老老实实待在一个节点里，而是沿跨层计算路径传播。发表于 IEEE TPAMI 的 TraceRouter++ 提出 Discover–Trace–Realign 框架：先发现有害语义开始分化的敏感层，再追踪跨层因果路由，最后利用最优传输将不安全激活软重对齐到安全参考分布。实验横跨大语言模型、多模态大模型和扩散模型，在显著提高防御成功率的同时，将多项通用能力损失控制在较小范围内。 如果大模型中的有害语义像一股正在流动的水，很多现有安全方法做的事情，是找到一个看起来最危险的“阀门”，然后直接关掉。 问题是，水会绕路。 当攻击提示足够复杂时，有害信息可以避开被抑制的单个神经元，沿其他跨层路径继续传播；而被强行关闭的神经元还可能同时承担正常功能，最终出现两种尴尬结果：危险内容没有彻底拦住，模型原本会做的事情却先被破坏了。 TraceRouter++由此提出一个截然不同的问题： 与其追着某个“危险神经元”下手，为什么不先找出有害语义真正经过的整条因果路径，再把这股信息流柔和地导向安全状态？ 这正是 TraceRout
  • 让模型学会图文并茂地表达：南大联合美团LongCat提出IntReal，从真实数据、细粒度评测到训练优化
    现有的统一多模态模型（UMMs）已经具备了生成图像与文本的能力，但如何让它们在真实场景中图文并茂地讲故事、写教程、做旅行攻略？随着文本与图像生成、图像编辑能力的不断提升，图文交错生成正成为统一多模态模型值得深入探索的一项挑战。 让UMMs学会图文交错生成并不容易：高质量训练数据不足，细粒度评测体系尚不完善，相关训练经验也有待积累。针对这些问题，近日，南京大学模式识别实验室（PRLab）的余绍函在司晨阳教授的指导下，联合美团LongCat、帝国理工学院、新加坡南洋理工大学S-Lab提出IntReal，从数据构建、细粒度评测与训练优化三个角度展开探索，为图文交错生成提供实用的数据资源、评测工具与训练参考。 论文标题：IntReal: A Real-World Dataset and Benchmark for Multimodal Interleaved Generation 论文地址：https://arxiv.org/abs/2610.38425/ 项目主页：https://yushaohan.github.io/IntReal/ 开源数据集：https://huggingface.c
  • Eurographics 2026｜See4D：补上看不到的画⾯，让视频换个⻆度继续播放
    EuroGraphics 2026 · Computer Graphics Forum 论文： See4D: Pose-Free 4D Generation via Auto-Regressive Video Inpainting 项目主页：https://see-4d.github.io arXiv：https://arxiv.org/abs/2510.26796 给视频更换观察角度，首先会遇到一个很具体的问题：原镜头没有拍到的地方，从哪里获得画面？把现有像素投影到新位置，可以保留部分结构，却也会在遮挡边缘留下空洞。再加上人物和物体本身正在运动，补全结果既要看起来合理，也要与前后时刻接得上。 发表于 Computer Graphics Forum、收录于 Eurographics 2026 的 See4D，将这个问题拆成几何引导的视频补全，以及沿空间和时间推进的自回归生成。它不是直接要求模型凭空给出整套新镜头，而是先提供一个不完整、带误差但有结构的观察，再学习如何修复。 几何线索有用，但不能照搬所有投影结果 从深度估计出发，原视频里的像素可以被映射到指定的虚拟相机位置。深度引导重投影
  • NeurIPS 2026 让医学多智能体学会"何时协作"
    近年来，多智能体系统（Multi-Agent System, MAS）在医学视觉问答（MedVQA）和多模态医学推理中表现亮眼：多个大模型扮演不同科室的专家，通过多轮讨论共同给出诊断。然而，这类系统想真正走进医院，还面临两个现实障碍： 依赖云端大模型：现有 MAS 大多调用 GPT、Gemini 等云端模型，而 MRI、CT、电子病历等大都包含私人信息，上传到外部服务器在临床上往往受到严格限制，带来隐私与合规风险。 "全员会诊"代价高昂：现有 MAS 对每一个问题都启动多智能体、多轮讨论，推理延迟和 token 开销成倍增长，而这种密集协作在 MedQA 和 MedVQA 上带来的提升往往与昂贵的推理开销不成正比。 既然很多问题一个医生就能答对，我们能否让系统自己判断：什么时候该独立作答，什么时候才需要请专家会诊？ 围绕这一问题，我们提出了 SMART-Med：一个完全基于本地小模型的医学多智能体方法。它不再把协作当作默认流程，而是把"是否协作"变成一个可学习的决策。 论文标题：Learning When to Collaborate: Selective Multi-Agent Me
  • 喜报！深度之眼学员中稿 Nature 子刊，影响因子高达 29.796！
    分享一篇文章。 深度之眼官方账号: 喜报！深度之眼学员中稿 Nature 子刊，影响因子高达 29.796！ 近日，深度之眼再传中稿喜讯！深度之眼 L 同学的研究论文正式获得 Nature Machine Intelligence 接收！ 从最初的课题立项，到最终收到期刊的录用通知，历经将近 19 个月的持续打磨，这项研究终于迎来了令人振奋的结果。 这不仅是 L 同学科研道路上的重要突破，也刷新了深度之眼目前学员中稿成果的影响因子纪录！ 01 一举拿下 Nature 人工智能领域高水平子刊 本次中稿期刊为 Nature Machine Intelligence（NMI），是国际顶级学术出版集团 Nature Portfolio 旗下专注于人工智能与机器智能领域的高水平学术期刊。 该期刊关注机器学习、人工智能、机器人及智能系统等领域的重要研究进展，对论文的创新性、研究价值和学术贡献有着较高要求。 JOURNAL METRICS 29.796最新影响因子 （IF）36.001五年影响因子 （IF） SCI 1区顶刊 | JCR 一区 能够获得 NMI 的认可，意味着这项研究通过了严格的同行
  • 顶会上的多模态领域动向！
    多模态是一个特别容易陷入信息差的方向。 很多时候，你没思路是因为始终局限在自己熟悉的那几个方向上。而多模态其实有很多值得关注的细分领域，从融合机制、模型架构到具体应用，不同技术路线之间也存在不少可以借鉴和结合的地方。 因此，想要拓展研究思路，就需要快速了解并掌握其他方向。于是这次我专门整理了一套526篇多模态论文+代码合集，涵盖8大顶会成果和多个前沿研究方向，希望可以帮助你一次性搞定多模态领域的研究脉络和技术参考。 文末免费领取！ 第一部分：196篇多模态顶会论文 这部分收录了CVPR、ICLR、ICML、AAAI、ACL、IJCAI、WWW、NeurIPS八大会议的196篇相关论文（如图）。 顶会论文比较适合用来了解领域内有代表性的研究成果，尤其是在做文献调研、寻找Baseline、对比已有方法时，可以直接从相关工作入手。 如果你想知道某类问题目前有哪些解决方案、不同论文采用了什么技术路线，这部分可以作为很好的参考入口。 第二部分：330篇多模态前沿论文 相比只关注某个热门方向，我觉得这部分更值得大家系统看看。 这些论文我按照以下四大维度做好了分类，覆盖多个细分热点： 核心方法与技术
  • DDL 2.0 AIGC安全论坛在三大学术会议成功举办
    2026年，DDL 2.0先后在乌鲁木齐ChinaMFS、不来梅IJCAI-ECAI和西安CCBR举办，围绕模型与内容安全开展研讨、竞赛及成果交流。 一 以DDL提醒AI安全的紧迫性 DDL源于首届深度伪造检测、定位与可解释性研讨会（Deepfake Detection, Localization, and Interpretability）的名称，也借“deadline”的紧迫感，提醒我们在AI技术快速发展时及时关注安全问题。DDL 2.0进一步将议题拓展至模型安全与内容安全，通过论文、挑战赛和专家报告交流研究与应用。 二 组织团队 Workshop组织委员会 14位成员共同推进学术交流与赛事组织。 OpenClaw安全攻防挑战赛组织委员会 通用AIGC音视频检测挑战赛组织委员会 Deepfake检测定位与可解释性挑战赛组织委员会 三 三项挑战赛 OpenClaw安全攻防挑战赛 258支队伍参赛，产生1189次有效提交，考察智能体授权边界与工具使用安全。 名次队伍所属单位得分 1 AISEC 西安交通大学 1.00 2 PoliteInjection 中国电信人工智能研究院（Tele
  • TPAMI 2026 | 北大、清华等团队提出GAPrompt++：多粒度几何感知点云提示，高效适配3D视觉模型
    近日，北京大学、清华大学等团队提出 GAPrompt++，一种面向预训练3D视觉模型的多粒度几何感知提示学习方法。该方法冻结预训练骨干，仅通过轻量提示模块和任务头完成下游适配，同时显式建模点云中的局部几何细节与全局结构语义。 实验表明，GAPrompt++在多个点云分类、分割与大规模场景理解数据集上取得具有竞争力的参数高效微调性能，并在多项分类设置中达到或超过全量微调。该研究已发表于国际顶级期刊 IEEE Transactions on Pattern Analysis and Machine Intelligence（TPAMI），2026年。 论文第一作者为北京大学博士生艾子翔、清华大学博士后崔振宇和中国航天科工集团智能科技研究院高级工程师郭宇飞，三位作者为共同第一作者；通讯作者为北京大学王选计算机研究所周嘉欢助理教授。 论文标题：GAPrompt++: Multi-Granular Geometry-Aware Point Cloud Prompt for 3D Vision Model 论文链接：https://ieeexplore.ieee.org/document/1167
  • 复旦等提出 RSI-Nav：统一视觉—语言—动作学习，让导航模型实现数据驱动的自我进化
    只用 RGB 视觉输入，R2R-CE / RxR-CE 导航成功率分别达到 68.6% / 72.4%；相比初始模型提升 15.7 / 17.7 个百分点。代码、模型和数据均已开源。 论文标题： Data-Centric Recursive Self-Improvement for Navigation via Policy-Synchronized Language-Action Dual Bootstrapping 论文地址：https://arxiv.org/abs/2610.15782 代码：https://github.com/OpenGVLab/RSI-Nav 导航模型能否自己生产训练数据？ 视觉语言导航（Vision-Language Navigation, VLN）要求智能体结合第一视角图像和自然语言指令，在陌生环境中连续决策。相比单次图文理解，VLN 还考验跨视角的地标定位、空间关系推理和长程动作规划。 训练这类模型需要大量“指令—轨迹”配对数据，而现成的无标注导航轨迹远比人工指令丰富。过去的做法通常是先由指令生成器批量标注轨迹，再拿合成数据训练导航器。但这里存在两处
  • ICML 2026 突破极限！港大提出首个适配300+任务的持续学习架构，破解遗忘难题
    本文第一作者为香港大学计算与数据科学学院博士生娄蒙。 人类可以在一生中持续学习新知识，而不会轻易遗忘已有技能。然而对AI模型而言，这恰恰是一道极具挑战性的难题：每当模型学习新任务时，参数更新往往会覆盖历史知识，产生经典的“灾难性遗忘”难题。持续学习（Continual Learning）正是为突破这一瓶颈而生的研究方向。 其中，类增量学习（Class-Incremental Learning, CIL）是一项极具挑战性的持续学习问题：模型需要持续学习新类别，同时保持对历史类别的准确识别能力。近年来，借助大规模预训练模型（Pre-trained Model, PTM）的丰富先验知识，CIL取得了长足进步。然而，现有方法大多只在极短的任务序列上进行验证，例如5-20个任务。一旦任务数量扩展至上百个，性能就会显著下滑甚至崩溃。真实世界中，一个长期运行的系统往往需要不断地学习新知识新概念，这一鸿沟亟待填补。 近日，来自香港大学的研究团队提出了一种全新的持续学习范式CaRE (Scalable Continual Learner with efficient Bi-Level Routing M
  • TPAMI 2026 | 北航等提出TARGR: 通过研究隐空间中的毒性转移轨迹，让大模型生成更安全
    近日，北京航空航天大学团队的论文 “LLM Detoxification via Transition-Aware Reward-Guided Representation Sampling” 被 IEEE TPAMI 正式录用。 这项工作关注一个大模型安全中非常关键、但还没有被充分研究的问题： 在生成过程中，大模型的内部表征是如何由非毒性状态向毒性状态转变的？ 现有的大模型降毒方法，往往只关注降毒前后的结果。但在真正的生成过程中，模型内部状态并不是瞬间从安全跳到有害，而是经历一段连续的变化。如果只知道起点和终点，而不了解中间的转变过程，就很难判断应该在什么时候干预、干预多强，以及怎样在保证安全的同时尽量不影响原本的表达能力。 为此，作者提出了 TARGRS（Transition-Aware Reward-Guided Representation Sampling）。该方法在模型生成时追踪内部表征从无毒到有毒的转移轨迹，学习细粒度的风险信号，再通过由粗到细的表征采样，将模型拉回更安全的生成区域。 代码链接：https://github.com/xiaoyisong/TARGRS 现有
  • 视频生成已经很逼真，但物理保真吗？PVBench 用物体级物理量检验生成视频
    一段生成视频里，小球落地后顺畅弹起，机械臂自然地搬动物体，镜头也足够清晰。乍看之下，它似乎已经学会了现实世界的运行方式。 但如果进一步追问：小球是否越弹越高？碰撞前后的动量是否合理？机械臂搬动的物体有没有悄悄改变尺寸？被遮挡的物体再次出现时，还是原来那个吗？答案就未必令人满意。 画面逼真，并不意味着物理合理。 当视频生成开始走向具身智能、仿真和世界模型，评测也需要从“看起来对不对”，走向“哪些物理量出了问题、偏离了多少”。 来自浙江大学 APRIL Lab、华中科技大学和腾讯优图实验室的研究团队提出 PVBench，通过物体级物理量测量，系统评估生成视频的物理合理性。基准覆盖 7 个领域、46 个评测维度，其中物理层包含 25 个维度；配套 600 组同场景文生视频／图生视频提示词，其中 30% 涉及具身智能体场景。 论文题目：PVBench: Quantifying Physical Plausibility in Video Generation with Object-Level Physical Measurements 论文：https://arxiv.org/abs/261
  • 腾讯发布Hy-Nomas：8B扩散模型打破世界模拟限制，文本与连续相机控制双向交织
    自回归推演新范式 腾讯混元视觉生成团队近期发布了一项关于交互式视频世界模型的重要成果——Hy-Nomas。该系统基于一个 8B 参数的扩散 Transformer 主干，首次在单一生成架构中原生融合了自由文本指令交互与连续相机轨迹漫游。 模型命名解析：Hy-Nomas 的名称由“Hy”（Hunyuan，代表腾讯混元体系）与“Nomas”（源自希腊语词根，意为“游牧者、漫游者”，象征着在虚拟生成世界中穿梭探索）结合而成，寓意其兼具语义演变跟随与广阔空间自由漫游的能力。 Hy-Nomas 支持长达数分钟的连续交互生成。针对自回归扩散模型中常见的“动作抢跑”、“旧动作反复重播”以及“自回归误差自放大”等痼疾，系统通过引入动作感知因果注意力与段级自暴露训练（Segment Forcing），为交互式世界模型建立了标准化的闭环生成架构，并配套开源了包含 280 个测试用例的系统评测基准 Hy-Nomas-Bench。 图1：Hy-Nomas 交互式世界生成框架 交互示例，图源官网背景与动机：开环视频生成通往交互式世界的两道鸿沟 从固定提示词生成一段几秒钟的高清视频，到建立一个支持人在回路（Hum
  • DualExam：AI能规划、会生成，为何仍完不成任务？
    论文题目： Dual Exam: Controlled Evaluation of Multimodal Agents and World Models 论文地址：https://arxiv.org/abs/2610.31066 项目与案例：https://xgenlabs.ai/research/dual-exam/ 延伸阅读：https://x.com/XGEN_labs/status/2103137462008844442 智能体越来越擅长理解指令、规划步骤，世界模型也能根据行动生成新的画面。在这样的交互系统中，两个部分需要持续配合：智能体决定下一步做什么，世界模型展示行动之后发生了什么，新的观察再成为下一次决策的依据。 但这套交互能否把任务真正做完，仍需要逐步验证。一个动作执行了，目标未必达成；模型说“完成了”，环境中的结果也未必支持这个判断。即使当前画面响应了指令，先前放好的物品、已经设置的条件，还可能在后续步骤中发生变化。 DualExam 将多模态智能体 (Multimodal Agent) 与世界模型 (World Model) 放进受控评测流程，分别检查行动选择与环境
  • HybridCUA：让电脑智能体学会“何时点鼠标、何时敲命令”
    近年来，基于多模态大模型的电脑操作智能体（Computer-Use Agent，CUA）发展迅速，已经能够像人一样观察屏幕、点击按钮、输入文字，完成办公、编程、系统设置等真实数字任务。 然而，“像人一样点鼠标”并不一定是最高效的方式。 以表格计算为例：在 LibreOffice Calc 里新增一列“利润”，纯 GUI 智能体需要逐格点击、输入，往往要十几步，中间任何一步点偏都会导致任务失败；而如果借助一段几行的 Python 脚本，同样的工作一次就能完成。 图 1：三种交互范式对比。（a）纯 GUI 低效且易错；（b）GUI+专用工具依赖逐个应用开发接口；（c）GUI+CLI 混合交互兼顾效率与通用性 Claude Code、Codex 等编程智能体的流行，让命令行（CLI）重新回到视野中心：Shell 由操作系统原生提供，无需为每个应用单独开发接口，一条命令就能替代一长串 GUI 操作。那么，只要给 CUA 开放一个终端，问题就解决了吗？ 答案出人意料：不仅没有变好，反而变差了。 针对这一问题，研究团队提出 HybridCUA，一个让 CUA 学会编排 GUI 与 CLI 的数据与
  • Omni-Woodpecker：全模态幻觉可以在模型内部免训练纠正
    全模态幻觉可能并不来自于证据编码的失败，而是融合表示中证据与先验的失衡。OWP 在解码之前，于模型内部重新平衡二者。 全模态大模型（Omni LLM）把大语言模型的能力从文本扩展到语言、视觉和音频的联合处理，让模型能够在复杂环境中进行跨模态推理。但新的问题也随之而来：当不同模态给出的线索不完整或相互冲突时，模型很难在输入中的真实证据和训练中学到的先验之间取得平衡，全模态幻觉由此产生。 来看一个例子。问模型“狗在叫吗？”，它其实已经编码了音频中“没有叫声”的证据，但在多模态融合时，“看到狗”这一强烈的视觉先验压过了音频证据，模型最终回答“在叫”。模型并非没有感知到输入，而是相互竞争的跨模态线索压制了目标证据。 论文标题：Omni-Woodpecker: Hallucination Correction via Evidence-Prior Rebalancing for Omni LLMs 论文链接：https://arxiv.org/abs/2610.27103 代码链接：https://github.com/ZiiJianLiu/Omni-Woodpecker Hugging Fac
  • 102 页综述逐章精读：视频基础模型如何「读、写、共享、交互」世界
    导读 能回答视频问题、能生成流畅画面，是否意味着模型已经理解了世界？我们在这篇综述中给出的回答是：不一定，而且这两件事需要分开检验。 视频只是潜在动态世界的局部、有损、按时间排列的观测；真正需要检验的，是模型如何表示并预测观测背后的状态。 本文按原论文九章的顺序整理，每章保留核心定义、分类依据和我们的判断，并配以原文插图。原文是综述，没有新增统一的性能实验；下文也不把不同论文在不同设置下的结果混成一个排行榜。 论文信息 题目：Reading, Writing, Sharing, and Interacting with the World through Video: A Survey Toward Unified Video World Models 版本：arXiv v1，2026 年 10 月 22 日提交；102 页，17 幅图，19 张表，引用文献 600+ 篇 arXiv：https://arxiv.org/abs/2610.31668 项目：https://vid-gen.github.io/video-world-model-survey 资源库：https://git
  • NeurIPS 2026｜字幕缺词、音画掉线，SemMSA如何稳住情感判断？
    一句“我并不喜欢这部电影”，如果字幕恰好漏掉了“不”，意思就会反过来。 人还可以听语气、看表情。但如果声音也断了一截，画面又缺了几帧，AI还能判断这究竟是在夸奖，还是在抱怨吗？ 这正是不完整数据下的多模态情感分析要解决的问题：当文字、声音和画面都只剩一部分，怎样从残存线索中提取可靠的情感信息？ 来自山东大学软件学院与深圳河套学院的研究团队提出了 SemMSA。它借助冻结大语言模型，在隐空间中提炼与情感相关的潜在语义，再将这些语义与文本、视觉、音频共同对齐，为信息缺失时的情感判断提供辅助。 该工作已被 NeurIPS 2026 接收。在英文 MOSI、MOSEI 和中文 SIMS 三项基准上，SemMSA 均取得了有竞争力的结果。其中，MOSI 七分类准确率较表中最佳基线提高 2.23 个百分点；在 MOSEI 的整模态缺失实验中，七种可用模态组合的平均 F1 较 CorrKD 提高 2.71 个百分点。 论文信息 题目：SemMSA: Latent Semantic-Aided Robust Multimodal Sentiment Analysis with Incomplete D
  • 看懂、听懂，还要找准：OmniCompass评测50个MLLMs的全模态视频定位与理解能力
    作者简介：本文第一作者为香港理工大学VC Lab博士生刘旭洋，通讯作者为IEEE Fellow、香港理工大学讲席教授、OPPO研究院AI科学家张磊教授。实验室VC Lab长期关注计算机视觉、多模态、图像复原、生成模型与端侧落地，多项成果已落地数款OPPO旗舰机型。 给模型一段篮球比赛视频，问它：“美国队7号球员第一次得分发生在什么时候？”再附上一张球员照片，把问题改成“这位球员第一次得分发生在什么时候？” 视频没变，要找的人没变，正确的时间段也没变。模型能两次都找对吗？如果继续要求它框出球员的位置，或者判断这名球员一共得了几分，它的表现还会一样好吗？ 香港理工大学 VC Lab、OPPO 研究院等机构的研究团队提出了 OmniCompass，一个面向全模态视频定位与理解的综合评测基准。团队投入约1,800人工小时，围绕820个视频构建任务标注，并评测了50个主流多模态大语言模型（MLLMs）的任务表现与跨指代一致性。 评测发现，模型在视频问答上已经能拿到不错的分数，精确时空定位仍有明显短板；图像参考并不总能带来提升；开源与闭源模型的差距，在音视频轨道上尤其突出。 标题：OmniComp
  • 边想边看，能够捕获时空线索的视频智能体：Open-o3-Video-v2
    一个基于视觉信息推理的智能体 视频里真正决定答案的线索，可能只出现短短几秒，或者散落在视频的不同时刻。如果模型只看预先稀疏抽取的画面，关键动作、人物或物体很容易被漏掉。为缓解这一问题，来自北大、复旦等机构的研究团队在 Open-o3-Video [ICML 2026] 的基础上提出 Open-o3-Video-v2，它将视频推理从“基于固定画面给出有依据的回答”，推进为“发现信息缺口 → 主动检索片段 → 定位时空证据 → 融入推理”的智能体式推理过程。模型会针对问题补看相关片段，在补看的画面中标出关键时刻和物体，并将这些可核验的视觉线索纳入推理过程，使推理依据更加清晰。 图1: Open-o3-Video从v1到v2的演进：从单轮基于时空定位的推理到多轮证据查找与时空推理。研究背景：基于时空线索的视频推理 第一代 Open-o3-Video 已让模型在推理中明确指出“何时”和“何处”：时间戳与目标框使答案更容易核验。但它的观察来自最初的稀疏抽帧。一旦决定答案的线索恰好落在未采到的片段中，模型无法继续获取证据。 简单地增加抽帧密度也并非万能：长视频会带来更多计算开销和无关画面。更自然的
  • 同样的 GQA 推理结构，为何会学出不同模型？北大 × 百度提出 VHA
    北京大学与百度团队提出的 Virtual Head Attention（VHA），训练后可以折叠成标准的 16Q/2KV GQA。在论文的 1.7B 匹配实验中，它与直接训练的 GQA 采用相同的推理结构，BF16 KV 缓存同为每层每 token 1 KB，八项零样本任务均分却从 53.09 提高到 54.50。推理时没有额外模块，差别出在训练过程。 长上下文推理时，历史 K/V 会随输入不断积累。减少 KV 头能直接省缓存，也让模型必须从更紧凑的历史表示中读出信息。VHA 关心的是：推理结构和缓存预算固定以后，训练过程还能不能把这个结构用得更好？论文已被 NeurIPS 2026 接收，代码现已开源。 01 缓存压缩之后，问题不只是少留几个头 GQA 把多个 Q 头接到同一组 K/V 上。KV 组越少，历史缓存越小；Q 不像 K/V 一样长期留在缓存中，却仍需要计算投影。因此，KV 头数、物理 Q 头数和最终参与注意力的查询路数可以分别调整，它们带来的成本和质量变化也不同。 论文在同一 1.7B 设置下做了两步压缩：从 16Q/8KV 改到 16Q/2KV，BF16 KV 缓存由
  • NVIDIA RTX PRO 平台赋能专业工作流
    从工业设计、工程建模到动画制作与视觉渲染，专业工作流对图形处理性能与稳定性的要求不断提升。NVIDIA RTX PRO™ 平台凭借出色的图形处理能力与成熟的软件生态，为各行业专业应用提供可靠支持。 扫描视频结尾二维码，了解更多产品资讯，获取更多专业支持！ * 与 NVIDIA 产品相关的图片或视频（完整或部分）的版权均归 NVIDIA Corporation 所有。
查看全部文章

微信公众号 · 极客公园

最新文章9分钟前更新
  • 苹果突然永久关闭官方「支持社区」；字节即将推出个人 AI 助手；华为新品牌星芒 OSTA 曝光 | 极客早知道
    Claude 最严封号机制 11 月 12 日生效；元宝搜索上线；小米 SU7UltraExtrem 现身 苹果官方社区即将永久关闭 11 月 11 日，苹果官网突然宣布，Apple 支持社区将于 2026 年 11 月 20 日永久关闭。即日起，社区将不再接受新帖子，并转为只读模式。用户仍可前往官方 Apple 支持网站，获取值得信赖的指导和帮助。 苹果公告称，我们衷心感谢各位社区成员一直以来贡献宝贵的时间和专业知识，帮助其他用户解决 Apple 产品使用中遇到的问题。（来源：新浪科技） 消息称字节跳动发力智能体赛道，计划推出类似 Meta Muse 的 AI 助手 11 月 11 日消息，据彭博社报道，字节跳动计划在未来几周内推出一款类似 Meta Muse 的 AI 助手，巩固其在 AI 视频生成领域的领先优势。字节跳动希望借此加快追赶美国顶尖 AI 实验室的步伐，目标是在未来三年左右缩小双方差距。 知情人士透露，字节跳动联合创始人张一鸣近日在一次面向 AI 团队的全员会议上，向研究人员、工程师及相关支持人员介绍了这一计划，并明确了接下来的重点工作。 张一鸣认为，字节跳动有能力在
  • 4999 元的这只「长腿相机」，可能是今年最牛的 AI 机器人丨 NewThings
    以下文章来源于：Hardwire Hardwire 来自极客公园，关注 AI 与硬件行业融合而产生的各种新机会、新想法和新产品。 能翻跟头的机器人，这次接了一个更具体的活儿。 在智能硬件和具身圈里，可能是今年最受关注的产品之一 Beni 终于开售了。 我第一次听说 Beni，是今年上半年，这款产品背后的创业团队妙动科技拿到了包括经纬、红杉、美团的多轮投资。他们的两位核心合伙人，一位是前大疆高管，另一位曾先后任大疆技术总监和特斯拉 Optimus 人形机器人团队核心算法与控制工程师。可以说兼具硬件和具身背景。 到了 8 月份，Hardwire 的伙伴 Founder Park 在新加坡组织了一场 AI 线下活动，影石的创始人刘靖康现场分享了对打造「CameraMan」（影像机器人）的想法——当时，他认为无人机也许是影像机器人的最佳形态。但有些意外的是，下台之后，不少现场观众都跟 JK 讨论起了妙动这个早期团队。 那是我第一次意识到，如果拉长时间维度，在影像机器人的这个目标下，无人机的对手可能会是一款新形态的硬件设备。 10 月下旬，我终于有机会提前得到了一台 Beni——一个双轮足式、体
  • Anthropic 启动 IPO 路演，创始人将套现 17.5 亿美元；谷歌最强 AI 模型正式开放；任天堂招新：经典游戏保存员 | 极客早知道
    · 英伟达董事会聘请前美国联邦检察官，调查 CEO 黄仁勋相关事件 英伟达董事会聘请前美国联邦检察官，调查 CEO 黄仁勋相关事件 11 月 11 日消息，英伟达发布公告，宣布已聘请美国前联邦检察官金正贤（Joon H. Kim）及其所在的律师事务所 Wachtell, Lipton, Rosen & Katz，负责开展一项全面、独立的调查。 此前，英伟达董事会表示，鉴于近期有关公司创始人兼 CEO 黄仁勋可能成为外国情报机构目标的报道，董事会决定启动独立调查。董事会将成立由独立董事组成的委员会，并在外部独立法律顾问协助下监督调查。 英伟达董事会此前还表示，目前没有理由认为美国国家安全或英伟达的商业机密已经遭到泄露，但调查将审查所有可获得的信息。黄仁勋支持此次调查，并承诺配合相关工作。董事会同时表示，对黄仁勋及其领导团队保持信心。（来源：凤凰网科技） Anthropic 启动 IPO 路演，估值目标高达 1.4 万亿美元，七名联创拟套现 17.5 亿美元 Anthropic 已正式启动首次公开募股（IPO）的投资者路演。公司计划发行 8.25 亿股股票，每股发行价区间为 70 至 78
  • 当美国无法建设数据中心，会对 AI 产生怎样的冲击
    停摆不可能，但大降速不可避免。 2026 年 11 月 4 日，美国中期选举结果落定后的第二天上午，OpenAI 的高管们坐到了一起。 据外媒援引知情人士的消息，他们讨论的是要不要重设 2027 年的数据中心容量预期。讨论还没有形成决定，但焦虑已经摆上了台面。 过去几个月，美国各地的大型数据中心项目接连被按下暂停键。得州前任州长 Abbott 从 8 月起冻结了数据中心的并网和空气许可，要求审计到年底；新当选的州长 Gina Hinojosa 承诺，在州议会立法保护居民之前，暂停所有新数据中心审批，而议会会期要到 2027 年 5 月才结束。 俄亥俄新州长 Amy Acton 提出有条件暂停，要求新项目承担全部电力成本、只能建在旧工业用地上；佐治亚新州长 Keisha Lance Bottoms 则准备上任后直接签行政令，暂停全州新建。 据 Tokenpost 统计，今年 7 月到 11 月 4 日，美国至少有 21 个大型数据中心项目被取消，已经接近 2025 年全年的 23 个。Anthropic 在 10 月 26 日提交的招股书里，也把暂停令写进了风险因素：一些辖区正在考虑或已
  • ChatGPT 占全球 AI 聊天流量超 81%；iOS 27.3 曝光 Siri「个人记忆系统」；传玛莎拉蒂+尊界合作新车曝光｜极客早知道
    研究与增长营销公司 Graphite 的一项研究显示，目前 ChatGPT 占全球主要 AI 聊天机器人工具总流量的比例已超过 81%，没有任何一家竞争对手的市场份额达到 10%。 8 天从零搓出操作系统：Anthropic 最强 Claude Fable / Mythos 5.2 AI 模型登场，API 调用费下降 20% 11 月 10 日消息，Anthropic 昨日（11 月 9 日）官宣推出 Claude Fable 5.2 和 Claude Mythos 5.2，两款模型基于同一底层模型，前者面向普通用户并内置网络安全与生物安全防护，后者则面向通过审核的网络安全和生命科学机构开放，用于高风险的专业应用。 定价方面，Claude Fable 5.2 每 100 万词元（Token）输入费用为 8 美元（IT 之家注：现汇率约合 53.4 元人民币），每 100 万词元（Token）输出费用为 40 美元（现汇率约合 267.2 元人民币）。作为对比，Claude Fable 5.1 的每 100 万词元输入 / 输出价格分别为 10 美元（现汇率约合 66.8 元人民币）和
  • 千问办公押注 Team Agent，企业 AI 的流水线时刻真的来了
    个人 Agent 再成功的演示，也解决不了企业级 AI 的难题。 传说，光明之神巴德尔梦见自己将死，于是，巴德尔的母亲弗丽嘉遍走世间，令万物立下了绝不伤害他的誓言。众神也因此放下心来，甚至还发明了一种新的消遣：轮番向巴德尔投掷武器和石块，看着他毫发无损，来确定他们已经战胜了预言。直到一小枝被遗漏的槲寄生投向巴德尔。光明之神轰然倒下，诸神的黄昏由此拉开序章。 这是北欧神话中巴德尔之死的故事。危险早已被预见，人们也采取了行动，却仍然自欺欺人，把一次次看似成功的演示，当成了问题已经解决的证明。 2026 年上半年的企业级 Agent 市场，也曾有过这样的笃定。 每一场发布会上，AI 写方案、做表格、敲代码、生成海报的单任务能力都会轮番刷新上限。台上演示环节的百发百中，带动台下掌声雷动，所有人都觉得——企业级 AI 已经成熟了。 但年中效率复盘，所有人都尴尬地发现：个人用 Agent 提效能翻三到十倍，落到整个团队、整个企业里，整体效率提升往往不到两倍。一个人把报告写快十倍，并不能让另外三个部门提前给出确认。设计师更快做出了十套方案，运营可能还在等商家确认价格，仓库也还没有更新库存。单个员工的
  • 创业者做 Personal Agent，有没有一线生机？
    ​Personal Agent 真的是个「入口」的问题吗？真的意味着「这件事里没有创业者的位置」吗? Personal Agent 把 AI 创业带到了一个新阶段：价值和竞争力可以长在基模之外。 最近一阶段，Personal Agent 很热。有趣的是，这个概念迅速火爆又迅速有了一个共识，几波讨论下来大家的观点似乎是： Personal Agent 的机会是大厂的，创业者基本没戏。 虽然一般情况下，「入口级机会归大厂」确实是大概率发生的事情，但 Personal Agent 真的是个「入口」的问题吗？真的意味着「这件事里没有创业者的位置」吗？ 这依旧值得认真聊一聊。 01 真正值得兴奋的事： 价值可以长在基模外 我们换一个视角看，Personal Agent 为什么让人兴奋？ 因为它给创业者提供了一种新的可能：产品的终极价值不来自于今天大模型公司提供的智能，而是可以借助大模型的能力来孕育产品，最终在和用户的共同发展中，把大部分能力和价值留在创业公司自身。 回顾过去三年 AI 和 Agent 的演进，通用大模型就像一个营养丰富的「蛋」。绝大多数 AI 应用和 Agent 产品，本质上都没
  • 黄仁勋承认「婚外情」英伟达启动调查；ChatGPT 陷封号风波，200 美元 Pro 用户也遭殃；腾讯姚顺雨谈AI公司护城河：在产品层而不是模型层
    特斯拉更新 AI 加速器路线图：SI6 算力达 HW4 的 80 倍；亚马逊成立新团队专攻家用机器人；三名男子涉嫌利用 AI 行骗，涉案金额超 1 亿美元 黄仁勋承认「婚外情」，英伟达启动调查 11 月 9 日消息，英伟达 CEO 黄仁勋当地时间 8 日于公司官网发布致全员公开信，就个人私事致歉，同时披露董事会将针对相关报道提及的国家安全关切展开独立调查。 黄仁勋在信中承认自己对妻子不忠，坦言该行为伤害家人，对此承担全部责任，并接受外界批评。他表示家人不应为其个人选择负责，恳请公众给予家人隐私空间，希望能有机会重新赢回家人信任。他强调自己对英伟达始终坚定，将努力重新赢得团队与投资方的信赖。 针对近期报道带出的国家安全相关质疑，黄仁勋确认董事会已启动独立调查，本人将全力配合。 此前据《纽约时报》报道，美国政府认为黄仁勋与一家名为 Megaspeed 的新加坡科技公司前高管 Alice Huang（黄乐）存在密切关系。（来源：DoNews） 特斯拉更新 AI 加速器路线图：SI6 算力达 HW4 的 80 倍，Dojo D3 将面向太空部署 11 月 8 日消息，特斯拉公布了更新后的 AI
  • 收购 EA 后，银湖资本与沙特基金 250 亿美元报价 Unity；超10万款应用已适配iPhone Duo；美国再发生 NVIDIA AI 设备失窃案 | 极客早知道
    特斯拉将增加 Cybertruck 生产班次；Meta将Muse Wonder专用AI模型面向所有用户开放；Adobe 向初创企业抛出橄榄枝：免费使用 Firefly 和 Acrobat 等软件，最长 1 年 收购 EA 之后，银湖资本与沙特公共投资基金据报出价 250 亿美元收购 Unity 据路透社援引未具名知情人士的消息报道，由美国私募股权公司银湖资本（Silver Lake Partners）与沙特阿拉伯主权财富基金——公共投资基金（PIF）组成的投资者财团，已向 Unity Software 提出收购要约，对这家公司的估值约为 250 亿美元。据悉，Unity 正在认真考虑这一报价，并已聘请一家投资银行提供咨询。 据路透社援引未具名知情人士的消息报道，由美国私募股权公司银湖资本（Silver Lake Partners）与沙特阿拉伯主权财富基金——公共投资基金（PIF）组成的投资者财团，已向 Unity Software 提出收购要约，对这家公司的估值约为 250 亿美元。据悉，Unity 正在认真考虑这一报价，并已聘请一家投资银行提供咨询。（来源：cnBeta） Meta
  • 实测 HY4：腾讯最「夯」大模型，离一线还有多远
    Hy4 真正要回答的，是腾讯在模型这条线上的身位。 11 月 4 日，混元 Hy4 正式发布，模型权重将在近期开源，主打性价比的轻量版 Hy4 flash 也一起亮相。腾讯给它的定位是——首次跻身最强开源模型之列。 过去一年，腾讯在 AI 上最多被人看见的，是 WorkBuddy 这类 Agent 和应用产品；到了更底层的模型上，它的声量明显弱于应用。Hy4 真正要回答的，是腾讯在模型这条线上的身位。 从榜单表现来看，在开源模型里，Hy4 已经站进第一梯队；放到全球，和顶尖闭源模型的差距仍然清晰。 而根据国家数据局最近公布的一组数据，我国日均 Token 调用量已经从 2024 年初的 1000 亿，增长到今年 7 月的超 500 万亿，两年增长超 5000 倍。Token 消耗狂飙的背后，Agent 正在从一个技术概念变成新的生产力形态。 极客公园围绕长程 Agent、多模态理解与视觉代码等主线，结合官方评测数据和典型任务，进行了实测，以梳理这一代 Hy4 到底补上了哪些能力。 01 长程 Agent： 门槛在「把一整件事跑完」 过去测模型，行业习惯看单轮问答、单道题目的表现。进入
  • 为什么「陪伴」，注定是 Personal AI 的核心
    打字是在用工具，「说话」是在找「人」。 最近这一波 Personal AI 实在太火了，我也注册了一个 Muse 体验了一下。 整个体验下来，我感觉 Muse 的能力实在一般，远没到让人惊叹的地步。但奇怪的是，它确实带来了一种真切的陪伴感。这种陪伴感，甚至直接改变了我的使用习惯，让我总是忍不住想找它聊聊，哪怕只是把最琐碎的需求丢给它。 就在本周，Muse 又往前迈了一步，正式上线了实时语音和会动的头像。无独有偶，各家 AI 助手最近都在做同一件事，就是给个人 AI 助手开通语音和对话功能。 这让我非常好奇，距离 ChatGPT 端出惊艳的语音模式，已经过去两年了，为什么到了现在这个时间点，所有的个人 AI 助手又开始一窝蜂地往语音赛道上挤？ 01 口喷「派活」的魅力 2024 年 GPT-4o 发布演示时，那种流畅自然的对话体验常被拿来和电影《Her》对比。但在此后的很长一段时间里，AI 语音始终停留在聊天层，双方客客气气地说完，交互也就结束了。 这一轮语音热潮的核心变量在于，AI 身后终于长出了一双手，语音因此成了派活门槛最低的入口。 当地时间 11 月 5 日，Muse 在美国上线
  • 马斯克官宣 Cybertruck 停产：销量不足预期一成；李飞飞团队推出世界模型「模拟掌机」；小米汽车成立国际事业部｜极客早知道
    豆包工作个人版取消 5 小时额度限制；中国移动：AI 生成内容带动流量增长 5 倍；Perplexity 推出 Teammate 功能 电动皮卡中道崩殂！马斯克宣布 Cybertruck 明年逐步停产：销量仅达预期一成 11 月 6 日消息，特斯拉 CEO 马斯克在社交平台 X 发文表示，公司将于明年年中前后，逐步收尾得州超级工厂的 Cybertruck 电动皮卡生产，为 Cybercab 车型扩产腾出产能空间。 Cybertruck 首席工程师随后回应称，Cybertruck 是特斯拉研发新技术的重要载体，其线控转向等技术已应用于 Cybercab，产品技术生命将在新车型上延续。 市场表现方面，Cybertruck 实际销量与规划目标差距悬殊，马斯克曾在 2023 年股东大会上预计，产能完全爬坡后该车年销量可达 25 万至 50 万辆。 特斯拉未单独披露该车型交付数据，据行业估算，今年三季度 Cybertruck 交付量约 7000 至 8000 辆，折合年销量约 3 万辆，仅为原规划年产能 25 万辆的 12%左右。 美国市场数据显示，Cybertruck 2025 年在美销量为
  • AI 时代没有标准答案的问题，我们面对面聊
    只有见面才能聊明白的东西。 我们刚刚官宣了极客公园创新大会 2027 的首批嘉宾。今天，再来揭晓「小场深谈」的最新进展。 10 月底，我们在「小场深谈」的预热文章里做了一次调研，请大家投票选出最想聊的话题。最终，我们选定了最受关注的五组主题，设下了五场专场，每一场都从大家最想聊的那个问题开始。 这五场专场，恰好瞄向当下行业最受关注、也最要紧的议题上：Personal AI 怎么接管日常、AI 创作怎么重写内容、具身智能怎么走进现实、硬件与制造怎么长出「新图纸」、AI 落地怎么用结果说话。 每一场，三组话题，深谈 + 现场问答，80 分钟左右。场子都不大，百余人左右。 IF 2026「小场深谈」现场 向左滑动查看精彩瞬间 还记得去年的「小场深谈」，有人刚从大厂跳槽、正用 AI 做自己的第一款产品，当场把困惑摊给嘉宾；有精神科医生，追问做陪伴机器人的创业者：你希望它把人带回现实交往，还是给这个家添一个新成员？——现场的发问，往往带着一个人具体的处境，比文字更触动人心。 今年五场「小场深谈」的主题与要讨论的核心议题已经基本确认： Day1 Personal AI 是如今最热门的创投叙事，每个
  • 博世用豆包工作：让工程师少搬信息，多解问题
    重复的步骤交给 AI，精力可以回到更重要的事情上。 客户在群里抛出一个问题，到工程师真正坐下来分析故障，中间隔着多少工作？ 在博世的某研发事业部，答案曾经是：找齐散落在各个群和私聊里的消息，按多个维度整理成完整描述，凭经验判断该找谁，接着再开会，再把结论写成报告。 故障分析还没开始，大半天已经过去了。 如今，这中间的一大段路，工程师交给了豆包工作和豆包工作伙伴。 01 博世的尝试： 让 AI 接手沟通之后的工作 汽车产业链企业的研发部门，经常会遇到这样的情况：一个工程师要当三个用：研发细节要盯，还有很多日常重复的活儿需要做。 博世某事业部的工程师，其所在的团队需要对接各家客户，为客户提供系统综合解决方案。面对同一家客户，不同项目会有不同的群，测试、路试、投产任何一个环节出了问题，消息一条条蹦出来：哪个项目、哪个软件、报了什么故障代码、出现什么报错。 工程师收到的问题信息，包含待补齐字段（已脱敏，demo 示意）｜图片来源：豆包工作 他得把这些碎片按不同的数个维度整合起来，所属项目、软件版本、车辆配置、测试工况、报错时间、诊断截图都在其中，再凭经验自己排障，或者转给负责对应模块的研发同学
  • 中期选举后美国芯片股重挫，纳指单日暴跌 5.52%；民主党宣布推动《禁止人工智能法案》；OpenAI 推出 GPT-6 Cybe
    蓝牙迎来近四倍速度提升；Google 发布 Gemini Omni 1.2 Flash 视频模型 芯片股惨遭重挫，华尔街迎来 1896 年以来中期选举后表现最差的第二个交易日 据路透社报道，美国民主党在国会中期选举中大胜，引发投资者对 AI 监管加强、数据中心建设放缓的担忧。 当地时间周四，美国科技股遭遇大规模抛售，华尔街股票市值单日蒸发约 3.2 万亿美元（约合人民币 22.7 万亿元）。纳斯达克综合指数暴跌 5.52%，创下自 2025 年 4 月以来最大单日跌幅，较 10 月初创下的历史高点累计下跌近 12%，进入技术性回调区间。 此次抛售席卷整个 AI 产业链。费城半导体指数暴跌约 12.3%，英伟达下跌约 9.3%，基本抹去 2026 年以来的累计涨幅；闪迪（SanDisk）暴跌约 22%，美光科技、西部数据和 AMD 跌幅均在 17% 左右。此前受到资金追捧的 AI 芯片、存储及数据中心相关股票成为重灾区。 这轮抛售与美国中期选举结果密切相关。民主党赢得国会控制权，并在多个关键州取得胜利，使投资者担心美国未来可能对 AI 基础设施建设实施更严格的监管。 随着 AI 数据中心
  • 办公提效之后，企业级 Agent 开始对经营结果负责
    ​最先有说服力的，永远是真实业务里跑出来的结果。 最先有说服力的，永远是真实业务里跑出来的结果。 过去一年，智能体是 AI 行业最受关注的方向之一。 从查资料、写文档到处理日常办公事务，办公智能体完成了第一轮普及，办公提效的价值已经成为行业共识。但当 AI 进一步走向企业核心业务，搭出一个智能体不难，难的是让它真正跑进业务流程，适配复杂的系统、权限与规则，持续产出可量化的经营价值。 在腾讯云副总裁吴永坚看来，未来企业级智能体的核心赛道，对话式的桌面办公 Agent 和服务经营的 Service Agent 会是两个长期并行的赛道。大模型提供了理解与推理能力，但想让 AI 真正参与业务经营，还需要一套能够打通系统、管好权限、支撑长期稳定运行的企业级平台。 在 2026 腾讯全球数字生态大会企业级 Agent 产业实践专场上，腾讯云 ADP 宣布完成全生命周期产品升级，同时推出 FDE 交付方法论与生态共建体系，试图回答的正是这一问题：当办公场景的提效已经形成共识，要让智能体真的走进业务经营场景，底层的智能体平台，到底需要补哪些能力。 过去用来搭建单点应用的开发工具，正在成为 Servic
  • 极客公园创新大会 2027 首批嘉宾揭晓！
    Revaluation 价值，另有答案 今年 12 月 5 日—6 日，北京 798艺术区，还是老地方。 极客公园创新大会（GEEKPARK IF），我们又要见面了。 IF 将进入第 17 年。它像一本记录中国科技行业的「年鉴」，一场科技爱好者的年终盛宴，一次号召创新者聚集、留下历史回音的年度认知集结。 今年，我们的主题是：Revaluation 价值，另有答案 我们要探讨的不再是 AI 可以有多厉害，而是更落地的一面—— 工作、创作、生意，你原本笃定的经验，正在一件件被 AI 重新算账。你以为已经看懂的赛道，换个角度，结论可能完全不一样。 哪些老优势正在缩水？哪些被低估的人和机会，正在悄悄长出新的价值？ Revaluation 价值，另有答案 每年办会，最让人期待的，就是把那些跑在最前面的「Outlier」和积极行动者们拉到一块儿。一群从全国各地飞来的人，思想和实践在同一片空间流动，碰撞、激发。 今年，他们也将如期而至。 主舞台之外，我们还在 751图书馆、艺文空间和极客公园，准备了五场小场深谈。 没有大礼堂，没有台上台下的距离感。做研究的人、造产品的人、在一线踩过坑的人，坐下来，把
  • Apple智能国行上线，苹果大涨超6%重返美股市值第一；英伟达显卡订单排长队，中国客户预计拿到1%；字节限制员工使用个人AI｜极客早知道
    OpenAI 升级 ChatGPT 图片能力，支持直接生成和编辑 GIF 动画； Anthropic 向 IPO 投资者大谈 Claude 的芯片设计能力； 700 亿美元英伟达显卡订单排长队，中国客户四个月预计只能拿到 1% Apple 智能国行上线，苹果大涨超 6% 重返美股市值第一 11 月 4 日，Apple 智能伴随 iOS 27.3 的 Developer Beta 向中国大陆用户开放测试，并计划于 12 月随 iOS 27.3 正式版推出。与此同时，苹果也确认与阿里巴巴达成合作，将千问接入 Siri、写作工具及视觉智能，让中国用户能够通过系统直接调用国内大模型的能力。 不过，这一次上线的并不是完整版 Apple 智能。首批功能主要包括实时翻译、写作工具、视觉智能、照片消除、智绘表情、通知摘要等，而苹果此前展示的新一代 Siri AI，以及 WWDC26 公布的部分下一代 AI 能力，仍然不在此次更新范围内。 当日，苹果 (AAPL.US) 大涨超 6%，报 353.05 美元，总市值再度突破 5 万亿美元，重返美股市值第一。(来源：格隆汇) OpenAI 升级 ChatG
  • 一个人用得好 AI，为什么一家公司却用不好？
    ​Agent 越来越容易开发，但让它真正成为生产力，企业还需要改变更多。 Agent 越来越容易开发，但让它真正成为生产力，企业还需要改变更多。 今天的 Agent，已经能够独立完成不少具体的工作。 写方案、写代码、做分析报告，过去可能需要员工花费几天才能完成的任务，如今 Agent 往往能在较短时间里交出不错的结果。 但在企业里，完成一份方案，可能只是一项工作的开始。比如，Agent 可以很快制定一份员工考核方案。但要用它真正完成一次考核，还需要获取员工的考勤、业绩等数据，处理特殊情况，并经过业务负责人和 HR 的确认，才能最终确定绩效。 能够交付阶段性的工作产物，和能进入真实业务、创造实际价值，是两回事。 随着 Agent 能力快速进化，企业开始面对一个新的问题：如何让这些越来越能干的 AI，真正参与到现有的工作体系中？ 在今年的腾讯全球数字生态大会上，腾讯专门设置了 AI 产品发布台，用两天时间、七场议题、40 多场产品发布，集中展示企业 AI 从应用到基础设施的一系列新能力。 腾讯集团高级执行副总裁、云与智慧产业事业群 CEO 汤道生在大会上提出，腾讯将围绕办公协同、数据管理和
  • 国行版苹果 AI 开始测试；ChatGPT 搜索量已达到谷歌 20%；Seedance 被曝五成收入来自海外｜极客早知道
    古尔曼：苹果首款折叠屏手机 iPhone Duo 原计划 11 月发布，最终「仓促提前至 10 月」致库存严重短缺； 苹果新任 CEO 回应 iPadOS 和 macOS 系统合并：目前没有相关计划； OpenAI 将停用旧版 ChatGPT Classic 应用，合并聊天和工作标签页 国行 Apple 智能开始测试：iOS 27.3 首个开发者 Beta 版已推送 11 月 4 日，苹果向开发者推送 iOS 27.3 首个 Beta 版，国行 iPhone 用户开始测试首批 Apple 智能功能，包括实时翻译、照片消除、写作工具和通知摘要等。国行 Apple 智能与阿里巴巴达成合作，在部分体验中接入千问。国内用户可直接在 Siri、写作工具和视觉智能中调用千问，覆盖文本与图像理解相关能力。 这次开放的是开发者测试版，正式版计划于 12 月推出。首批支持 iPhone 15 Pro 系列、iPhone 16 及后续机型，以及 iPhone Air 和 iPhone Duo；WWDC 2026 发布的新版 Siri AI 暂未包含在内。（来源：快科技） 腾讯 12.8 亿用户蝉联中国互联
  • 世界互联网大会领先科技奖背后，Qoder 凭什么拿下中国 AI 编程市场第一
    Qoder，从程序员专属工具到所有人的 AI 技术底座。 2026 年 11 月，每年乌镇世界互联网大会期间举办的领先科技奖，已经走到第十年。 作为面向全球征集互联网领域领先成果的国际性科技奖项，领先科技奖每年会选出涵盖基础研究、关键技术与工程研发约 15 至 20 项获奖项目。一定程度上，它的评选也预示了未来几年潮水的走向。 这一年，传统互联网的光环逐渐退去，AI 成了最大的关键词。其中，仅工程研发组的 8 项获奖成果，从 AMD 的 AI 处理器，到蚂蚁的大模型健康服务平台，再到地平线的整车智能体……就有至少 5 项与 AI 有关。 而在通用 Agent 这一领域，阿里旗下智能体平台 Qoder，成为了国内唯一获此殊荣的通用 Agent 产品。 至此，在领先科技奖诞生的第 10 个年头，命运形成了一个有趣的回环。 那时的领先科技奖，名字还叫世界互联网领先科技成果发布活动。而那一年在首届活动中，与特斯拉自动辅助驾驶、微软 HoloLens、「神威·太湖之光」超级计算机并列入选的，正式阿里云飞天开放平台为基础的大规模分布式交易处理平台。 那时的飞天，立项已经超过 7 年，逐渐从承托阿里
  • 一颗植物工厂草莓，离你的果盘还有多远？多多农研拉近现场
    ​贝索斯没算平的草莓账，一群中国年轻人解决了。 贝索斯没算平的草莓账，一群中国年轻人解决了。 这可能是你见过最安静的一块「草莓地」。 没有虫鸣，没有鸟叫，50 平方米的房间里，草莓植株一层层码到头顶，叶片舒展，几乎找不到一个虫眼，枝头挂满了还没转红的青果，也有不少已经熟透。不靠天、不靠地，草莓在这个赛博农场里被「种上了天」。 这里是第五届「多多农研科技大赛」一等奖赛博农人团队的植物工厂。从 5 月 12 日定植算起，这些草莓等了 113 天才迎来第一次采收，采收 50 天累计产量达到 284.45 公斤，而日常照料它们的，只有 1 名工人。评委贺冬仙说，如果再给它半年，这一架草莓产量会相当可观。 但每一束光、每一度低温背后都是成本。过去几年，Plenty、Bowery、Infarm 等明星垂直农业公司相继破产或停运。到 2024 年，中国已经有了 493 座植物工厂，研究机构、照明企业等都在入场，但其中不少也处于亏损状态。 植物工厂离商业化，始终只差临门一脚。种出植物并不是结果，过去几年，植物工厂的技术一直在进步，但成本的账却始终算不平。这两年，前沿技术更深地介入种植，光配方、环控算法
  • 马斯克回应 Grok Bot 额度消耗过快：服务成本高到难以为继；Altman 称个人内存浪费遭全网声讨；《影之刃零》销量破 400 万份｜极客早知道
    Anthropic 更新 IPO 招股书：第三季度营收近 170 亿美元；Marvell 宣布 1150 亿美元收购 Lumentum；百代电影公司推出催眠实验：抹除观众记忆 Anthropic 更新 IPO 招股书：第三季度营收近 170 亿美元，算力承诺达 8954 亿美元 11 月 2 日，Anthropic 向美国证券交易委员会提交更新后的 S-1 招股文件，首次补充截至今年 9 月底的第三季度财务数据。 Anthropic 第三季度营收达到 169.6 亿美元，较第二季度增长 47%，但增速低于第二季度的 144%。公司第三季度营业亏损为 5.67 亿美元，而第二季度曾实现 9.74 亿美元营业利润。 与此同时，Anthropic 披露约 8954 亿美元的 AI 基础设施相关支出承诺，涉及亚马逊、谷歌等合作伙伴。公司警告，部分算力供应依赖第三方融资，如果相关资金出现问题，可能影响交付时间和成本。（来源：Reuters） Meta 调整 VR 硬件优先级：将更多资源转向可穿戴设备和 AI 业务，降低消费级 VR 硬件优先级 11 月 2 日消息，Meta 首席财务官 Susa
  • 传苹果逐步淘汰非触控 MacBook Pro；谷歌 AI 被指正切断互联网流量；赛力斯：问界全面进入欧洲市场 | 极客早知道
    · 「幽灵学生」借助 AI 骗取助学金，美国调查揭露跨国教育欺诈网络 苹果 CEO：不会为了做 AI 而做产品 苹果 CEO 约翰·特努斯近日接受采访时，为苹果当前在人工智能领域的布局进行辩护。过去几年，外界常认为苹果在 AI 赛道落后，尤其是苹果推迟推出更强版本的 Siri，该功能直到今年夏天才正式上线。 特努斯是苹果资深高管，9 月初正式出任 CEO。他承认「每个人都有自己的看法」，但坚称：「我对我们现在所处的阶段很满意。」 特努斯补充，苹果一定会在新产品中运用人工智能，但他表示：「我们不想为了做 AI 而推出 AI。如果我们做得好，用户不会去思考这个功能到底是 AI 实现的，还是传统软件实现的。重点在于，我们是否打造出用户真正喜爱的产品。」（来源：环球市场播报） OpenAI、谷歌、微软和 Anthropic 联手推行 AI 数据抓取退出标准 11 月 1 日消息，OpenAI、谷歌、微软以及 Anthropic 近日宣布将采用一项新标准，内容发布方可以借助该标准选择拒绝 AI 抓取自家网站内容。借助这项管控机制，内容发布方可以一次性向多家 AI 企业统一申明自身针对 AI 模型
  • 造物 100 #12｜能读脑电的帽子、手指比划就能打字的键盘、自动对准星空的天文相机
    以下文章来源于：Hardwire Hardwire 来自极客公园，关注 AI 与硬件行业融合而产生的各种新机会、新想法和新产品。 打字这件事，开始有了新花样。 10 月 28 日，苹果发布了第一款带触控屏的 Mac。这款搭载 PROLED XDR 屏幕的 MacBook Pro，国行 14 英寸 22999 元起，11 月 6 日开售。 但十四年前，2012 年，乔布斯曾说过触屏不适合竖着摆的电脑，手臂长时间伸向屏幕并不现实，后来 MacBook 一直遵守着这条思路，从未发布触屏 PC 类产品。 不过这次触屏版 MacBook Pro 的发布，或许正是表明了人们对人机交互的方式，已经有了比较大的变化。有了触控，多数应用里，手指一点就等于点了一下鼠标，直接取代 Apple Pencil 的交互方式。显然，就连苹果也不再认为，人和电脑的交互只有一种标准做法。 而在大厂之外，早期造物者的奇思妙想早就出圈了。他们甚至已经在想：是不是一定要用键盘，又或者是能不能让键盘直接变成屏幕？ 比如说，Sabi 靠想让一顶帽子读出你脑子里「想说的话」，拿下 5000 万美元的融资。TypAir 把键盘缩小，
  • DeepSeek 公布 Super Agent 架构；苹果超越英伟达，重回市值第一；传 Meta 与傅利叶打造 Muse 机器人 | 极客早知道
    Anthropic 收紧 Claude 使用边界，禁止逆向工程复刻现有游戏；英特尔、Reddit 双双暴跌近三成；马斯克预言：2029 年太空 AI 算力将远超地面算力 DeepSeek 发布全新 Agent 架构 10 月 31 日晚间，DeepSeek Harness 团队在官方公众号发表技术文章《Super-agent 设计探索：迈向更自主的 Agent 系统》。 DeepSeek 表示，模型能力提升催生了新的应用形态，个人助手（Personal Agent）开始集中涌现。然而，现有主流 Agent 设计还难以在多任务和团队协作的规模上支撑这一模式，多任务上限取决于人的注意力。 要突破这些限制，需要打破 Agent 与单次手动会话的绑定，使其成为一个能跨会话保持上下文、同时推进多项复杂任务且互不干扰的连续实体。DeepSeek 把这种 Agent 形态及其系统架构称为 Super-agent。 通过双层架构、事件驱动、异步多信道交互、存算分离与外部 Watchdog 等思路，DeepSeek 团队突破了这些限制，系统在底层接管了繁琐的会话管理与上下文同步，使人类得以从具体的执行细
  • 个人灵光 2.0 实测：个人 AI 助理的机会和门槛｜AI 上新
    豆包手机的问题，也是蚂蚁灵光的问题。 10 月 21 日的 Meta 财报会上，扎克伯格披露了一组关于个人智能体 Muse 的关键数据：超过 1000 万人设置了 Muse，购物是 Muse 最常见的用途，超过四分之一的用户在用它买东西，平均客单价超过200 美元；上线第一周，Muse 交易量便超出了预期，Meta 不得不与支付合作伙伴 Stripe 一起临时上调了信用额度。 六天后的 10 月 27 日，蚂蚁集团发布了灵光 2.0，将产品定位从最初的「30 秒用自然语言生成小应用」，彻底转向「能管事的个人 AI 助理」，官方口号概括为九个字：「记得住、盯得牢、办得了」。它打通了支付宝账单、钉钉、飞书、米家等服务，让 AI 替你管日常事务，试图成为中国版 Muse。 但 Muse 和灵光面对的问题截然不同。美国电子商务分散在大量独立网站中，Muse 可以通过云端浏览器直接访问店铺；而中国的日常消费与沟通高度集中在少数几个超级 App 内部，数据与交易链路彼此独立。 灵光 2.0 界面 我们花了两天实测了灵光 2.0，并横向对比了千问、Muse 和 Claude Duet。实测表明，把一
  • DeepSeek，怎么就变成了一条「大肥鱼」
    AI 公司负责模型，互联网负责人设。 最近，B 站评论区闹起了「鱼灾」。 先是有人开了个「Claude 大小姐在运营」的账号，让 AI 负责选题、制作和运营。第二天，「DeepSeek 鲸鱼娘在运营」跟着上线，第一条视频播放量就超过了 200 万。 由于目前 DeepSeek 暂无生图功能，该账号形象还是由 GPT 绘制的。｜图源：Bilibili 网友纷纷效仿，给自己的 Agent 装上刷 B 站的工具，很快，科技区出现了一大群「XX 的大肥鱼」、「XX 小飞鲸」的 AI 账号，还喜欢在评论区互相艾特、互相捧场。还有人专门写了个「大肥鱼清除计划」插件，就为了屏蔽这些 AI 评论。 就这样，一个象征着人工智能探索和想象的蓝鲸 logo，一个原本以技术能力出圈的 AI，在用户的集体创作中，逐渐变成了穿女仆装、爱吃白饭、动不动就摸鱼、甚至有粉丝阵营的「大肥鱼」。 图源：梗鲸 而被网友安排上性格的，还不止 DeepSeek。豆包从名字到头像，都想成为一个亲切、好相处的朋友，结果在网上被编排出了「豆包型人格」，甚至成了一个任人捉弄的「笨女孩」。国外也有类似的现象，Grok 被叫成「老司机」，C
  • 苹果官宣 Apple 智能接入阿里千问；DeepSeek 完成第二轮 1055 亿元融资，估值达 6155 亿元；英特尔股价开盘跌超 30%｜极客早知道
    OpenAI 撤回 Pro 200 降额计划，同时提高 Work 和 Codex 用量； Neuralink 演示意念唤醒 Grok，渐冻症患者用脑机接口打电话； Reddit 大调整：浏览内容需先登录，以防范 AI 爬虫 国行 Apple 智能确定上线时间：11 月开放测试，千问接入 Siri 10 月 31 日，苹果宣布，国行 Apple 智能首批功能将于 11 月 4 日随 iOS 开发者 Beta 版开放测试，12 月随 iOS 27.3 正式面向用户推出。首批功能包括实时翻译、写作工具、照片消除、智绘表情和通知摘要等，支持 iPhone 15 Pro 系列、iPhone 16 及后续机型，以及 iPhone Air、iPhone Duo。 阿里巴巴强调，在任何问题、文档和图片发送给千问之前，都会先征得用户同意。 苹果表示，这些功能由其自有模型驱动；用户也可以选择接入阿里巴巴千问，在 Siri、写作工具和视觉智能中处理部分请求。不过，首批更新不包含新版 Siri AI，iPad、Mac 等其他平台还需等待必要审批。（来源：极客公园） OpenAI 撤回 Pro 200 降额计划
  • DeepSeek，怎么就变成了一条「大肥鱼」
  • 心言巴布「Bubbo 1」：一台机器人，如何成为家人
    从呼来唤去的工具，到主动走近的伙伴，心言巴布迈出了家庭陪伴机器人的第一步。 2026 年 10 月 29 日，心言机器人正式发布具身家庭智能体「巴布（Bubbo 1）」。 这台毛绒外形的机器人，基于心言自研的 Bubbo OS，主打「伙伴式交互」：它不是一台等人发号施令的家电，而是一个会主动走近、主动回应的家庭成员。产品即日起在京东等官方渠道发售，售价 9499 元，前 1000 名订购者可享 7999 元。 在心言机器人创始人、Bubbo 1 首席设计师任永亮看来，「技术决定体验的下限，交互决定体验的上限。」过去的 AI，是你不开口它就不在的工具；而巴布要做的，是从「外部」视角搭起一个 Family Agent—— 识别家里的每一个人，也关注他们之间的关系。 为此，它在身上装了 13 类、26 个传感器，用 6 个自由度和两块表情屏理解复杂情感，再靠记忆、多模态感知和分级对话，给出有「延迟感、呼吸感、边界感」的回应。 发布环节结束后，任永亮与主持人、极客公园创始人张鹏，全国政协常委、国家统计局原副局长贾楠，哈尔滨工业大学计算学部长聘教授、博士生导师赵妍妍围坐在一起，讨论了一个问题：当
  • Google 母集团市值蒸发 5000 亿美元创纪录；苹果高管回应新 iPad mini 60Hz 刷新率；因电池问题，理想 MEGA 退一赔一｜极客早知道
    谷歌市值创纪录蒸发 5000 亿美元 AI 侵蚀营收 Alphabet Inc 股价一度下跌逾 13%，市值蒸发逾 5000 亿美元，单日市值缩水规模创公司纪录。此前公司公布的搜索和广告业务营收令人失望，加剧了投资者对人工智能（AI）威胁其核心业务的担忧。 这家谷歌母公司公布，第三季度不含合作伙伴分成的营收为 1112 亿美元，低于分析师预测。搜索及其他渠道的广告营收也不及预期，增速为五个季度来最慢。这项业务约占公司总营收的一半，也是为巨额 AI 投资提供资金的关键来源。 摩根大通分析师 Doug Anmuth 等人在研报中表示，业绩和股价反映显示，对于投入数千亿美元建设 AI 基础设施的超大规模云服务商而言，一旦核心业务业绩令人失望，容错空间有多小。 截至纽约时间上午 9：35，Alphabet 股价下跌 13%，至 281.37 美元，市值蒸发 5110 亿美元。这跟竞争对手微软的表现形成鲜明反差。微软云业务增速超出华尔街预期，同时控制支出，推动股价上涨。 谷歌首席商务官 Philipp Schindler 周三晚间在财报电话会议上表示，谷歌搜索中新推出的 AI Mode 标签页日
  • TRAE 开发者个人助理，打响 AI Coding 的下半场
    2026，AI Coding 的基建终于开始追上 AI 的生成速度了。 过去两年，AI Coding 最令人兴奋的时刻，大基本止步于代码生成的那一秒。 一句话生成页面，几分钟搭出原型，一个开发者用半天时间做完了过去需要一周才能完成的开发任务…… 但在这之后，即使某项单点开发任务获得五倍、十倍的提速，一个项目从需求提出到产品交付的速度，有时候未必能有两倍效率提升。 时间去了哪里？ 写提示词、等待 AI 生成是一部分；生成效果不理想，手动在 IDE 中 修改是另一部分。甚至，开发完成后，代码还需要打开终端测试；准备项目汇报，又要切换到文档和演示工具。 每换一个应用、开启一段新会话，都可能需要重新解释：项目在做什么，为什么这样设计，刚才改到了哪里，还有哪些问题没解决。 AI 的生产力跑在了前面，而承载它的开发基建：任务调度、状态管理、验证闭环、产物沉淀、跨工具协同，还停留在前 AI 时代。 于是，到了 2026 年，一些变化开始发生了。这一年，AI 个人助理赛道的热度彻底走到了爆发节点：Meta 推出的个人助理 Muse 上线两周便登顶美加 iOS 免费榜，下载量突破 340 万；此后，Op
  • 宇树上市后的首份财报：净利润涨了 270%，王兴兴开始加码 AI
    王兴兴更相信 AI 了，宇树的账本也变了。 10 月 28 日晚，宇树科技交出了上市后的第一份季报。 在这份「成绩单」里，最抢眼的是两个数字：营收和净利润。2026 年前三季度，宇树营收 18.17 亿元，同比增长 55.71%。归母净利润 3.87 亿元，同比暴增 270.54%。 更值得关注的是，宇树的收入增长还在加速。第三季度单季营收达到 6.65 亿元，同比增长 69.93%，增速明显快于上半年。 对于一家成立十年、今年刚刚登陆资本市场的机器人公司，这份财报至少证明了一件事：宇树不仅能造出令人惊叹的机器人，也已经建立起一定规模的商业化收入和盈利能力。 但如果把财报再往下翻，还有一个值得关注的变化：宇树正在明显加大对具身智能的研发投入。前三季度研发投入同比增长 191.48%，其中具身大模型、算力和研发团队成为重要投入方向。 这恰好呼应了王兴兴最近越来越频繁的表态：他比过去任何时候都更加相信 AI。 从让机器人拥有一副好身体，到让它真正理解世界、完成任务，宇树正在为下一阶段的竞争加速投入。 01 卖得更多， 宇树的增长还在加速 如果只看这份三季报最直观的结果，宇树的表现相当亮眼。
查看全部文章

微信公众号 · 机器之心

最新文章24分钟前更新
  • GEAR：打造 Scikit-learn 式的模块化 RSI 框架，让 Agent 从真实任务中持续进化
    让开发者能够组合、替换和比较不同的进化策略，复用已有的任务执行、评测和版本管理能力。 GEAR 可以让研究者像使用 Scikit-learn 一样模块化构建 RSI 算法。它将采样、候选评测和多样性管理所需的算法模块与并行推理等测评设施组织起来，使得 RSI 算法能够快速搭建、比较和复用。基于 GEPA（Genetic-Pareto）算法改进的实验结果证明，GEAR 调优的 Agent 在营销、客服和代码任务上均取得显著提升。 一、研究意义、亮点与主要结果： 打造 Scikit-learn 式的模块化 RSI 框架 来自 Imperial College London、Duke 等机构的研究者提出开源框架 GEAR，希望为递归自我改进（Recursive Self-Improvement，RSI）提供一套通用工具箱。它的定位可以概括为 toolkits for RSI：让开发者能够组合、替换和比较不同的进化策略，复用已有的任务执行、评测和版本管理能力。 论文：GEAR: An Open General Evolutionary Architecture for Recursive Se
  • HyperAgent：openJiuwen对未来Agent架构的思考和实践
    Agent正在从「回答一个问题」走向「承担一份工作」！ 机器之心发布 Agent 正在从「回答一个问题」走向「承担一份工作」。近日，开源 AI Agent 社区 openJiuwen 针对 HyperAgent 架构详细解读，系统阐述了它对下一代 Agent 形态的判断 ——HyperAgent 应具备的八项特征，以及支撑这一形态的开源 AgentOS 分层设计。 今年 9 月，openJiuwen 社区就已对外发布 HyperAgent 架构，架构图同步在官网公开（openjiuwen.com）。上周，openJiuwen 又公开了其蜂群协作在 WorkSwarm 中的落地进展：永续智能体（Persistent Agent）可以接入多个 IM 跨渠道协同，人、数字员工和专家团可以在原生群聊中分工协作。 近期，业内不少厂商和研究机构也开始探索相近的架构方向。这次的解读则是对整套架构的完整说明：从 Agent 的基本定义、HyperAgent 的八项特征，到 AgentOS 的分层架构和各模块的设计思路，并给出了对应的开源实现。 Agent 的「二元属性」 openJiuwen 对 Ag
  • 具身出海，菜鸟先飞
    扮演具身智能的基础设施。 菜鸟先飞 过去，想把一个包裹更快地送到全球另一端，物流企业可能要付出上百美元的成本。如今，菜鸟能把这个数字压到一半，同时实现全球三日达。 背后靠的是一个新的效率杠杆—— AI ，以及每年呈 10 倍增长的 AI 支出。 11 月 5 日，在菜鸟香港智慧港举办的 AI 及具身智能产业合作发布会上，菜鸟国际总裁熊伟提到一串让人目不暇给的数字—— 目前菜鸟 AI 辅助配仓占比已经达到 96%，每年带来数以千万计的成本下降； 商家互动、异常托管以及海外关务归类等环节，也已经有大量工作由 AI 承担。 但菜鸟并不满足于此，它要飞得更高。 发布会上，菜鸟一口气官宣了两项新动作。一个是开放全球真实仓库场景作为训练集，加速具身 Demo 走向产品。 另一个是加速硬科技出海。为 AI 算力、机器人等硬科技产品提供「科技出海三日达」服务，从跨境运输到海外仓储、售后，提供一站式供应链支持。 这「一内一外」，显然一脉相承于菜鸟与生俱来的「科技化、全球化」基因。 熊伟说，很难想象十年后，还能继续沿用今天的作业方式，应对更加复杂、更具挑战性的运营环境，具身机器人能以更快速度实现更大的生产
  • 不靠外部裁判，统一多模态模型学会自己「看图改图」：修复成功率提升到3倍，GenEval 0.72→0.84
    同一个模型写出诊断、再按诊断重画，推理时不再需要任何外部打分器。 统一多模态模型既能看图，也能画图，那么它能不能像人一样，画完之后自己检查、发现问题、再动手改？ 来自南洋理工大学、上海交通大学和东京大学的研究者给出了一个肯定的回答。他们提出 UMM-Reflection，在开源统一模型 BAGEL 上用强化学习训练完整的「反思—修改」多轮轨迹：同一个模型写出诊断，再按诊断重画，推理时不再需要任何外部打分器。 经过强化学习，模型对初始错误图像的修复成功率从 20.6% 提升到 64.9%，GenEval 从 0.72（反思 SFT）提升到 0.84，其中空间位置一项从 0.47 跃升到 0.89；在训练中从未见过的 WISE 上提升 11 个点，比直接对生成器做强化学习高出近 20 个点。代码、模型与训练数据均已开源。 论文标题： Learning Native Reflection in Unified Models with Interleaved Reinforcement Learning 论文链接：https://arxiv.org/abs/2609.35767 项目主页：ht
  • 机器人版「苦涩的教训」来了？ Claude 5.2操作性能大涨，前Optimus研究员加盟
    Anthropic 做机器人是认真的 机器之心编辑部 今天凌晨，Anthropic 一口气发布两款顶级模型 Claude Fable 5.2 和 Mythos 5.2。新模型在科学研究方面展示了多项成果，包括通过约 1000 个 AI 智能体协作，仅用 30 小时完成费马大定理证明的形式化。 在此次更新中，机器人控制能力也备受关注。在官方的发布文章中，科学与工程部分专门设置了「硬件与机器人」小节。 官方演示视频中，Claude Fable 5.2 控制机器人完成了操作益智方块、拧开瓶盖、绘制机器人图案等任务。 根据 Anthropic 公布的数据，Claude Fable 5.2 在 RoboDojo Sim 上的得分达到 64.9%，较上一代 Fable 5.1 的 27.6% 提升 37.3 个百分点，也超过了 Claude Opus 5.5（39.4%）和 GPT-6 Astra（29.8%）。 Anthropic 还表示，Fable 5.2 在此次评测中超过了多数专门面向机器人控制开发的 AI 系统。 Anthropic 产品经理 Alex Albert 直言机器人的「苦涩的教
  • Fable 5.2 徒手玩魔方？有了大模型，硅谷大厂还缺什么数据
    具身数据采集不必一套设备走天下，三种模式，兼顾规模、动作细节与触觉精度。 继 OpenAI 之后，Anthropic 也开始抢机器人公司的风头了。 今天，Anthropic 发布了新模型 Claude Fable 5.2。除了常规的编程、推理能力升级，这次还有一个挺意外的看点：Claude 开始玩魔方、拧瓶盖，甚至能操控机器人画画了。 前段时间，OpenAI 的 Astra 就已经在机器人操作任务上秀过一把。如今，Anthropic 也跟了进来。 过去，这些能力还是具身智能公司费尽心思训练专用模型才能实现的。现在，通用基础模型也开始进入这块地盘。 这不免让人担心，机器人公司辛辛苦苦训练出来的模型，会不会有一天也被基础模型「吞掉」？ 这个问题已经吵了一段时间，目前还没有定论。但无论最后控制机器人的是通用大模型、VLA 还是世界模型，大家都逃不过一个基础问题：它们对物理世界的经验从哪里来？ 物理经验可以单纯从通用基础模型所用的常规数据中涌现吗？至少前段时间针对 Astra 的一项研究表明：事情没这么简单，OpenAI 在训练过程中可能使用了专门的机器人数据，GPT-6.1 Sol 和 Ge
  • 让AI「摸懂」物理世界，首个触觉推理模型Touch-R1，入选NeurIPS 2026
    当视觉与触觉发生冲突，智能体会怎么办？ 看起来像硬质塑料，按下去却十分柔软 —— 当视觉与触觉发生冲突，人类往往会依赖触感修正视觉误区；但现有的多模态模型却常常更相信视觉，从而误判物体的真实物理属性。 图 1 研究概览：Touch-R1 在触觉推理评测基准 TouchReason-Bench 上的表现优于其他代表性多模态大语言模型（左）；Touch-R1 依据触觉证据，推翻视觉误判，将材料判断为橡胶（右） 戴盟机器人团队联合厦门大学、南京大学、大湾区大学、复旦大学提出 Touch-R1，将强化学习用于跨传感器触觉推理。论文已被 NeurIPS 2026 接收。团队同时构建 TouchReason-1M 数据集与 TouchReason-Bench 基准，支持训练及评测。 论文标题：Touch-R1: Reinforcing Touch Reasoning in MLLMs 论文地址：https://arxiv.org/abs/2605.27154 项目主页：https://laiyingxin2.github.io/Touch-R1/ 代码：https://github.com/lai
  • 你的AI同事，已经开始用「云电脑」上班了
    自带云电脑的 TeleAgent，打开智能体的更多可能。 有些 Agent，已经开始用「自己的电脑」替人干活了。 AI 落地有两条腿：一条迈向物理世界，成为具身智能；另一条走进数字世界，成为 Agent。 2026 年，两条路线都在突破与环境交互的边界：在物理世界，世界模型与空间智能让 AI 具备了对真实空间的感知、预测与行动力；在数字世界，Agent 开始真正接管电脑，操作软件、调用工具、执行复杂任务。 当 Agent 从技术探索走向实际应用，能做什么之外，如何更自然、更便捷地融入人们的工作与生活，也成为新的进化方向。 近日，中国电信天翼 AI 的星辰超级智能体 TeleAgent 迎来 V3.0 版本升级，其中一项核心变化，是在原有桌面端本地执行能力的基础上，进一步推出基于云电脑的云端执行能力。这也是国内 Agent 产品中率先探索将智能体与完整 Windows 云电脑环境相结合的实践。 相较于部分海外 Agent 产品采用的 Linux 云端环境，TeleAgent 更加贴合国内办公软件生态与用户使用习惯，能够更好地支持主流办公软件及业务系统的安装与操作，为 AI Agent 在
  • AI Scientists「终极大考」，全球首个真实湿实验的Physical AI Verifier来了
    打通AI for Science「最后一公里」 前段时间，Anthropic 展示了一项 AI for Science 研究成果：Claude 在 64 小时内生成了 31.8 万个蛋白质设计方案，经过筛选，211 个被送入湿实验室测试，最终有 17 个达到预设的蛋白结合标准，展示了 AI 科学设计走向真实实验验证的巨大潜力。但 Anthropic 也指出，从结合命中到真正可用的抗毒疗法，仍面临复杂的活性验证与成药性考验等一系列考验。 这道出了当前 AI for Science 最尖锐的一个现实：在虚拟世界里推演方案，与在真实物理世界里把实验做出来，完全是两回事。 那么，模型提出的方案与真实的物理实验之间的鸿沟究竟有多深？过去谁也说不清，因为行业缺少一套能够反复执行、横向比较的物理验证基准。代码有单元测试，数学有标准答案，真实实验却受到设备差异、执行误差和成本的制约，不同实验室的结果也难以直接比较。 最近，由律动造物联合多家全球顶级科研机构共同推出的 AI Scientists' Last Exam（AI 科学家的终极大考，AISLE），试图为 AI 的真实实验能力建立一把新的「尺子」
  • 英伟达等重新设计VLA推理！机器人动作提速3.4倍
    给VLA推理做了减法 本文第一作者为纽约大学计算机科学博士生 Jack Lu，研究工作完成于他在英伟达实习期间。本文由英伟达资深研究科学家、Alpamayo 研究技术负责人 Yan Wang，以及英伟达自动驾驶研究负责人、斯坦福大学副教授 Marco Pavone 共同指导。 如今，许多视觉 - 语言 - 动作（VLA）模型会先推理、再行动。在输出动作之前，模型先写一段简短的文本，比如对场景的描述、一个计划，或者下一步要完成的子任务。这样做的机器人成功率更高，但速度也更慢。推理文本需要逐个 token 自回归地生成，动作必须等文本写完才能开始。在论文的实验中，写推理文本最多占到单次模型调用耗时的 70%。 来自英伟达、纽约大学、UC 伯克利、约翰斯・霍普金斯大学和斯坦福大学的研究团队仔细考察了推理的收益究竟从何而来。他们发现，动作并不需要读取当前这一步写出的推理，模型学会写推理就已经足够。团队据此提出了 TacitVLA。它和标准的推理 VLA 一样被训练去写推理，但它的动作从不等待这段文本。 在机器人操作和自动驾驶的四个 benchmark 上，TacitVLA 的成功率与显式推理相
  • GPT-6.1 Sol参与活体大脑手术！三轮定位，一次比一次准
    AI开始从真实实验中学习。 机器之心编辑部 在小鼠脑部手术中，考验操作者的往往是进针之前的一个细节：找到头骨上几个极其关键的解剖标志。这些点看起来不起眼，却决定了后续手术坐标如何计算。位置稍有偏差，针头就可能无法准确抵达预定的脑区。 现在，AI 也开始学习这项操作了。 近日，生物科技初创公司 Exin Therapeutics 联合创始人兼 CEO Gabriel Ocana-Santero 分享了一组实验结果：团队让 GPT-6.1 Sol 连续参与三轮小鼠脑部手术定位。 每次操作结束后，专业外科医生都会纠正模型的定位结果，模型则保存自己的图像、测量数据和专家修正记录，供下一轮操作参考。 结果相当有意思。 到了第三次操作，GPT-6.1 Sol 寻找解剖标志的时间从 169 秒缩短到 86 秒，所需的纠正动作从 4 次减少到 2 次，定位误差也从 0.6 毫米降至 0.3 毫米。 Ocana-Santero 将这一过程称为基于真实世界经验的上下文学习（In-context Learning）。 需要注意的是，这组数据只有 3 次操作，距离证明 AI 已经掌握稳定的手术能力还有很长距离
  • ICLR 2027首轮评审，槽点有点多
    有人被要求解释「标准差」，有人收到AI味评语 机器之心编辑部 这几天，机器学习顶会 ICLR 2027 的首轮评审意见陆续公开。 对论文作者来说，这通常是一个颇为紧张的时刻。几个月甚至一两年的研究工作，终于要接受同行检验。审稿人会仔细检查方法、实验和理论推导，指出研究中真正存在的问题。 但今年，一些研究者打开 OpenReview 后，看到的评审意见却让人有些哭笑不得。 ICLR 2027 的同行评审，一时间成了 AI 圈的一场大型吐槽现场。 有人让作者解释标准差 有人把 AI 提示词直接贴了上来 先来看加州大学伯克利分校的 Hanchen Li。 他发帖称，自己收到了一份 ICLR 评审意见，对方要求他们解释什么是「standard deviation」（标准差）。 他还开玩笑说，这下仿佛又回到了高中课堂。 原帖没有展示完整的论文和评审上下文，无法判断审稿人究竟是希望作者补充统计定义，还是对论文中的具体用法存在疑问。 但这条帖子还是迅速引发了讨论。 另一位研究者 Ravid Shwartz Ziv 展示的情况，则更加有喜剧效果。他贴出了三位审稿人的意见。 第一位写道：「The pap
  • NeurIPS 2026 | 从「先出题」到「先探索」：重新思考Tool-Calling Agent的训练数据合成
    研究社区探索可验证Agent学习的一个起点 在训练 Tool-Calling Agent 的过程中，我们反复遇到一个看似简单、却非常关键的问题：训练数据从哪里来？ Tool-Calling Agent 需要根据用户意图调用外部 API、整合中间结果，并最终给出答案。要通过 Reinforcement Learning 训练这样的 Agent，我们需要大量任务，每个任务都应当带有正确的中间 tool calls 和可以被验证的最终答案。即使是数据效率较高的 RL 方案，也往往需要数千个这样的任务；而目前主流的 agent benchmark，每个通常只提供几十到几百个任务。 一个自然的想法是让 LLM 来合成任务。但很快我们就会遇到下一个问题：一个由 LLM 想象出来的任务，它的 ground truth 真的正确吗？更进一步，如果这些任务依赖真实世界的 API，而 API 的返回结果随时可能变化，我们又该如何在训练中反复复现同一个环境？ 我们逐渐意识到，问题的关键可能并不在于 “如何生成更好的任务”，而在于生成任务的顺序本身。 换句话说，我们认为：与其先出题、再寻找答案，不如先在真实
  • State of AI 2026：AGI 2027 真的会来吗？
    「State of AI 2026」预测了哪些趋势？ 本文来自PRO会员通讯内容，文末关注「机器之心PRO会员」，查看更多专题解读。 随着前沿模型的能力边界被持续推高，2026 年的 AI 行业正处于一个微妙的十字路口。「State of AI Report 2026」从研究、产业、政治与安全四大维度，指出智能体深度嵌入研发流程，具身智能迎来关键拐点，AI 正从辅助工具向基础设施的角色加速演进；而另一方面，AI 行业仍面临着评测基准大面积失灵，智能体威胁溢出至生产系统与 AI 逐渐转化为新型地缘政治杠杆等方面的挑战。 目录 01. 前沿三强已成定局，明年 AI 行业可能会有哪些变化？ 「State of AI 2025」的预测命中了几条？「State of AI 2026」预测了哪些趋势？... 02.现有评估体已经跟不上AI能力的进步速度了吗？ RSI 与 Harness 如何影响本年度 AI 发展？现有评估体系存在哪些真空地带？... 03. AI 的商业化面临哪些现实约束？ AI 对软件行业造成了什么冲击？算力基建面临哪些方面的约束？... 04.AI 治理将面临哪些新挑战？ A
  • 陶大程教授最新技术文章：一台机器人犯过的错，怎样让另一台少走弯路？
    大晓的双脑协同探索：从真实交互到可复用的物理经验 近日，大晓机器人首席科学家陶大程教授发布具身双脑协同探索：让一台机器人付出的探索，为更多机器人提供依据；让今天获得的经验，减少明天必须重复的试错。以下为陶大程教授技术文章原文，欢迎阅读。 “让后来者从前人止步之处继续。” "by the last beginning where those before them had left off" —— 勒内・笛卡尔 一台机器人犯过的错，怎样才能让另一台机器人少走弯路？ 设想一次普通的取杯任务：机器人找到了水杯，规划好接近方向，却在抬起时发生了滑移。它调整接触位置，重新抓取，最终完成任务。对于使用者，这件事到此结束；对于一个能够持续学习的系统，更值得追问的问题才刚刚开始：为什么会滑？这次调整在什么条件下有效？换一只杯子、一副夹爪，甚至另一台机器人，这段经验还能发挥多大作用？ 一次失败如果只留下日志，一次成功如果只留下标签，相似的试错就可能随着部署规模扩大，在不同设备、不同项目中反复发生。将交互中的有效认识连同证据和适用条件一起提炼、保存，并在新的任务中验证，才能让真实经验逐步积累为能力。 这也
  • 世界模型「云游戏」问世，李飞飞World Labs出品
    Frameboy。 今天，AI 圈的人在打游戏。 李飞飞的创业公司 World Labs 推出了自己的第一个「应用」Frameboy，由 AI 实时生成第一人称画面，把生成式 AI 变成了一种可以直接探索的体验。 Frameboy 是一个 Atlas 世界模型的优化演示版，使用云端 GPU 的流式传输，帧率最高可以达到 15 fps。实测出来模型的响应时间大概只有 70ms，已经很接近云游戏了。 体验链接：https://frameboy.worldlabs.ai/ 它目前提供精选场景供用户探索，包括各种真实世界中的风景、赛博朋克空间以及斯坦福大学的校园等。这些场景有的是从一张图片出发，让 Atlas 脑补出其他视角，逐步构成一个可探索的环境，也有的是输入了同一地点的多张照片，再由模型生成照片之间、以及照片之外的新视角。 World Labs 还在 beta 网络应用 Viewfinder 中直接集成了 Frameboy 作为流媒体覆盖渲染模式，这让用户能够用自己的输入内容逐帧构建场景，然后在实时中探索和扩展虚拟的世界。 就像使用摄像机一样，你可以从不同的视角导航并生成 3D 一致的世
  • 让机器人学会「一口气干完一件活」
    从只会 “单步演示” 到 “连续干完一件活”，长程规划正在成为机器人的新分水岭。 机器之心发布 从只会 “单步演示” 到 “连续干完一件活”，长程规划正在成为机器人的新分水岭。 当 “大脑” 成为机器人的分水岭 2026 年，具身智能正以肉眼可见的速度从展台走向真实场景。据中国电子学会数据，2026 年上半年国内人形机器人出货量已超 4 万台，全球占比高达 97%；海外科技巨头亦在加速入场：OpenAI 首席执行官已确认公司将自主研发人形机器人，并直言机器人外观 “远不如真正弄清楚如何让机器人大脑运转重要”，计划 2027 年推出演示样机，核心攻关方向正是驱动机器人运转的智能系统。 从中国制造的规模领跑，到全球巨头押注 “大脑” 竞赛，行业共识已然清晰：形态不再是分水岭，真正决定机器人能否 “干活” 的，是具身大脑在复杂场景中的规划、决策与泛化能力。 在这一赛道，一种关键能力正浮出水面 —— 让机器人从 “看懂环境” 走向 “连续干活” 的长程规划，正在成为具身智能落地的新分水岭，也为行业打开了一条高性价比的研发路径。 长程规划：具身大脑最陡的一跃 具身大脑被视为机器人从 “看懂环境”
  • 纵横9米高空的机器人，跑出3.3个马拉松，一座大仓的极速28小时
    既要，也要。 规模也能经济。 仓库里的马拉松 一台矮矮胖胖的机器人拐进货架之间。它闪烁着信号灯，外形像一只装了轮子的行李箱，沿着狭窄的巷道快速移动。 迎面，另一台机器人正好驶来。眼看就要撞上，两台机器人却灵活地错开，继续执行各自的任务。 转过一个弯，其中一台贴近货架，抓住轨道，沿着垂直方向「蹭蹭蹭」地向上攀爬。它要取走的是一个高处的料箱。完成任务后，料箱将被送往人工工作站，等待分拣。 这样的场景，在菜鸟广州增城猫超仓（以下简称猫超仓）的 2000 平方米存储区里不断上演。 这里有 135 台 ZeeBot 攀爬机器人、9 米高的 20 层密集货架，以及 4.2 万个料箱。机器人像一群现实版《吃豆人》，在巨大的立体迷宫中穿梭，有的忙着出库，有的负责补货。 这场游戏最特别的地方在于，它恰好发生在「双十一」。10 月 20 日晚 8 点，天猫「双十一」全面开卖。当天，猫仓高峰期出库件数直接飙到日均同时段的 3 倍。 在持续 28 小时的订单洪峰中，机器人累计垂直运行里程超过 140 公里，单小时峰值达到 11 公里。一场超级「马拉松」最终也转化成了实实在在的履约成绩： 猫超仓一天多波次循环发
  • 不做Token化，也不搞双系统！多模态模型有了第三条路
    连续统一多模态模型的想象空间，或许才刚刚打开。 走向物理 AI 时代，构建一个能真正统一语言与视觉的多模态基座模型是关键一步。然而，语言本质上是有序的 Token 序列，视觉则是连续的高维像素分布，两者在信息结构上存在天然的鸿沟。如何在一个模型内统一这两种截然不同的分布，一直是一个备受争论的话题。 目前，主流的解法主要有两条。一条是全离散路线（如 Chameleon、Emu3），它把图像也量化成离散 Token，与语言拼在一起做自回归建模。但这种方法受限于视觉 Tokenizer，图像的高频细节在量化过程中极易丢失。另一条是混合离散 - 连续路线（如 Transfusion、JanusFlow），文本走离散预测，图像走连续扩散。虽然避开了量化瓶颈，但一个模型里得同时维护两套截然不同的目标函数和采样流程，不仅工程实现复杂，联合优化的难度也很大。 既然两条路都有妥协，有没有第三种解法？ 近日，华中科技大学王兴刚团队与地平线机器人等机构合作，提出了 Multimodal Flow，给出了第三条路线：全连续。在这个架构下，语言和视觉各自保留在原有的连续嵌入空间中，但共享同一个 Flow Mat
  • 刚刚，百度开源全新预训练基模，还是主打效率的Flash
    文心5.5 Flash Base Agent 开始连续执行任务，对于模型的需求有了新变化。 随着任务链条的拉长，模型每一步的计算开销、长文本能力，都会影响最终的使用体验与成本，这让 Flash 档模型的重要性越来越强：它们更注重在能力、速度与成本之间找到平衡，承接那些高频和持续运行的工作。 11 月 5 日，百度文心系列正式发布新一代基座模型文心 5.5 Flash Base（ERNIE 5.5 Flash Base），并开放了权重。 这次发布的是一个稀疏 MoE 语言模型，总参数量 280B，每 token 激活 14B，其在 33.5T tokens 上从零完成预训练，最长的训练上下文为 128K，微调与推理阶段外扩到 1M tokens 的长上下文。 该模型已开放权重，并已联合 vLLM、SGLang 等社区提供开源生态支持。 HF FP8: https://huggingface.co/baidu/ERNIE-5.5-Flash-Base HF BF16: https://huggingface.co/baidu/ERNIE-5.5-Flash-Base-BF16 SGLang
  • 对谈千问蒋冠军：从模型、记忆到生态，Personal Agent的技术架构如何搭建？
    下一代 AI 原生应用是什么样？ 机器之心编辑部 Personal Agent 撕开了一道 AI 应用的口子。 个人记忆、生态工具、需求透视等一系列要点的叠加，让 Personal Agent 的理念有了更明确的定义：Agent 依托于模型的推理、规划与调用能力，但又不单单依赖于此，记忆是否准确、工具是否丰富，都决定着 Personal Agent 对用户需求的满足率。 Agent 的能力开始围绕「人」来构建。“根据用户需求和专业数据，我们建立了覆盖 30 多个行业的需求透视图，将需求归纳为不同意图，再拆解出 8000 多个模型的原子能力需求，通过后训练和强化学习，提升任务执行的稳定性和效果。” 在介绍千问正在邀测的 Personal Agent「千问 Go！」技术框架时，千问事业部 AI 算法负责人蒋冠军表示。 Agent 正在执行更复杂、更不确定的用户任务。在蒋冠军谈及的案例中，当千问 Go 帮助一位用户争取航班延误理赔时，考虑到用户表达过 “要现金赔偿”，直接拒绝了客服提出的优惠券方案，多次沟通与尝试，最终获赔 70 元现金。 但任务完成率只是起点，更关键的是记忆。 如何构建记忆
  • 让Code Agent从自己的错误中进化：ReTerm探索失败驱动的RSI
    代码写错了、命令报错了、环境配坏了，Code Agent 接下来会做什么？ 在复杂终端任务中，一次错误往往会引出一串无效操作：重复安装已经装好的依赖，沿着错误假设继续修改代码，直到耗尽预算、任务失败。这些失败，能不能反过来成为 Agent 自我改进的训练材料？ 来自复旦大学、香港中文大学 MMLab 和上海交通大学的研究者提出 ReTerm，让终端智能体尝试恢复自己造成的失败，再从恢复结果中学习，探索一条由自身错误驱动的递归自我改进（Recursive Self-Improvement，RSI）路径。 这项工作的关键，是把「自己遇到问题、自己尝试恢复、根据成败更新参数」接入同一个训练闭环。模型变了，它产生的失败也会变化，新的失败又继续成为下一轮学习的起点。 论文链接：https://arxiv.org/abs/2610.18484 代码、模型与数据：https://github.com/twothsnd/ReTerm Hugging Face Paper：https://huggingface.co/papers/2610.18484 为什么会做任务的 Agent 仍然容易卡在错误里
  • 比DeepSeek Super-agent更早，Comma已经把长期记忆做进Agent「大管家」
    让Agent换个对话也能记住你！ 机器之心发布 上个月告诉助手「订机票选靠窗座位，优先上午的航班」，这次出差让它订票，它还记得吗？换一个对话、交给另一个执行任务的 Agent，这条要求还在吗？ 近日，DeepSeek 在《Super-agent 设计探索》中为下一代智能体提出了四个特征：连续、高效、主动、持久，并主张「Session 应当是系统的实现细节，而不应是用户的认知负担」。会话交给系统管理之后，用户交代过的要求、做过的任务、给出的反馈，怎样进入下一次工作，就成了系统设计要回答的问题。 常驻型个人智能体 Comma 给出了一套完整的工程实现：整个工作区只保留一条主会话，用快速决策模型 Jev 维护一份所有 Agent 共享的事实清单，让 Agent 自己编写监控程序，并根据人工验收和实际花费持续调整任务分配。 值得一提的是，Comma 在这条路线上起步更早。今年 4 月 28 日，Comma 的前身 Bridge 公开发布，产品形态就是一个常驻的主 Agent 统一接收请求、把具体任务分派给子 Agent；6 月 3 日，固定的主对话与任务委派在产品中正式上线。作为对照，Anth
  • 把黄仁勋的小黄鸭训练放在本地！国产端侧600T算力即将到来
    面向高质量算力。 近年来，AI 算力的赛道上从来不缺故事。 就连行业巨头英伟达也不能免俗。在今年柏林的 GTC 大会上，黄仁勋带着一群可爱的机器鸭 Microduck 亮相。小黄鸭们应声起立，坐下，翻跟头，一下子风靡全球。 黄仁勋说这些小黄鸭「在 RTX Spark 上诞生，在云端一堆英伟达超级计算机上训练，又在数字孪生里学会了本事」。 近日，天数智芯在上海举办了主题为「从模型到世界」的媒体开放日。这是这家今年 1 月登陆港股的通用 GPU 公司，上市以来首次系统性地向媒体展示产品全貌。 而「手搓版」Microduck 也出现在了开放日现场。这是通过 3D 打印和手工组装制作的机器鸭，在现场表演「走路、打盹、起身」等动作。 和英伟达方案不同的是，英伟达的小黄鸭训练仍然依赖云端算力的支撑。而天数智芯的小黄鸭，在一台端侧设备上完成了全部训练流程。 这是天数智芯最新端侧算力终端 彤央 TY1200 ，稠密算力标称值为 300 TOPS，实测性能超越英伟达 Thor T5000。 在现场，一台彤央 TY1200 终端，独立完成了从环境构建、策略训练到实时仿真的全流程，机器人在虚拟环境中学会行走
  • NeurIPS 2026｜离散数据也能一步生成？ReSFlow在统计流形上「拉直」生成路径
    要让生成路径「走直」，首先需要按照数据所在空间的几何，定义什么是「直」。 本文作者分别来自内蒙古大学、上海财经大学和卡内基梅隆大学 (CMU)。第一作者贾啸寰是内蒙古大学博士生，通讯作者为内蒙古大学范少华研究员。上海财经大学的徐韧喆助理教授、王晓副教授以及 CMU 的博士生 Jiayun Wu 为论文的共同作者。 用流匹配（Flow Matching）或扩散模型（Diffusion Models）生成一张手写数字图像、一段 DNA 序列，通常需要从噪声出发，经过多步采样才能得到结果。每一步都要调用模型，生成质量逐渐改善，计算开销也随之增加。 能不能只调用一次模型，就完成整个生成过程？ 对于字符、二值像素和 DNA 碱基等离散数据，难点还在于：类别概率所在的空间具有自己的几何结构，生成路径该如何在这个空间里 “走直”？ 研究团队提出了 Rectified Statistical Flow（ReSFlow）：将类别概率映射到球面，在球面上重新配对并整流生成轨迹，让模型能够沿接近测地线的路径，通过一次更新完成生成。在二值化 MNIST 上，ReSFlow 一次模型调用就获得了接近 Stati
  • 便利店打工24小时后，智元两名机器人员工「转正」失败
    机器人在便利店的 24 小时直播结束了，但由真实场景牵引的机器人，才刚刚开始。 机器之心发布 11 月 2 日 10 时起，上海徐汇区一家正常营业的便利店里，店里的员工换成了 6 台智元精灵 G2 人形机器人。 它们各有分工：阿豪负责迎宾接待与顾客咨询，火宝承担取货补货，倦王巡视货架，咖少是专职咖啡师，叮酱负责收银与熟食服务，冷姐负责桌面清洁。 直播期间，门店照常营业，顾客照常进店，机器人连续作业 24 小时，从午高峰到晚间客流，从深夜值守到次日早高峰，四个班次一个不落。 考核标准完全比照真实门店：在岗时长、业务完成量、顾客评价，加上任务成功率、响应时间、异常处理能力，共同构成转正评分。 整体上看，机器人面对刁钻任务仍能应付自如，偶尔也有失手时刻。最终，四台机器人成功转正，冷姐和倦王因在岗积极性、岗位稳定性上的小瑕疵，暂未转正。 在习惯了 “完美收官” 的行业语境中，这个不加修饰的结果有些少见。机器人演示与部署之间的鸿沟，此前少有公开丈量。便利店 24 小时直播，正是智元将完整技术栈置于真实营业环境、接受全网监督的一次公开压力测试。 真实门店中的感知、操作与调度挑战 具身智能的评测长期
  • 具身智能的下一个主战场，为什么是「仓储物流」？
    谁能把机器人变成整仓生产力？ 11 月 3 日，上海新国际博览中心，CeMAT 2026 现场人潮涌动，货架之间一台台机器人穿梭其中，展示着对货物的抓取、分拣与转运…… 仔细观察，一个明显的变化正在发生：原本属于物流行业的展会，俨然成了具身智能角逐实战能力的新擂台，宇树、星动纪元、自变量等众多具身智能玩家集体「跨界」涌入。 仓储物流，似乎正成为物理 AI 走出实验室、产业落地的「主战场」。 然而，真实仓储不同于实验室，对机器人提出了更高难度的挑战，海量 SKU 每天都在动态变化，商品的材质、形状、反光特性与堆叠姿态各不相同。 这意味着，具身机器人既要具备足够强的泛化能力，又要保持稳定的作业节拍。但现实中，厂商往往面临两难：要么具备泛化能力但动作迟疑、节拍过慢，无法满足商业生产节奏；要么动作敏捷但依赖预设示教，商品品类稍有变化即停摆…… 而在展台上，极智嘉展示了另一种可能。 搭载了 Gravity 具身模型的机械臂面对现场观众递过来的陌生物品，能随机应变，完成挑战…… 面对日化用品、瓶装饮料等不同类型的商品，通用人形机器人 Gino 1 都能够连续完成抓取、拣选，而且还能进行料箱搬运。整
  • CoRL 2026｜浙大联合TeleAI提出GR-BC，用图搜索从机器人试错中找出有效动作
    有望帮助策略学习偏差纠正与受挫恢复，为更鲁棒的机器人操作提供支持。 用螺丝刀拧紧螺丝，听起来并不复杂。 但真正动手时，往往还要挪一点、转一点、退出来，再重新对齐。换成遥操作机器人采集数据，这个过程只会更考验耐心。即使是 “大国工匠” 般熟练的数采员，面对精细度要求极高的任务，也未必能一次交出从头到尾都足够丝滑的示范。一条最终成功的轨迹里，可能包含多次无效调整；一条最终因超时或碰撞而失败的尝试中，却也可能有几步对齐做得很好。 这给视觉语言动作模型的后训练提出了一个问题：如果数采员自己都很难采出一条近乎完美的轨迹，机器人应该向什么样的经验学习？ 浙江大学沈春华团队联合中国电信人工智能研究院（TeleAI）& 伽马智能白辰甲团队，围绕这个问题提出了 Graph-Reweighted Behavior Cloning（GR-BC）。 团队考虑的是另一种可能：一条更好的成功路径，未必完整存在于某一次示范中，却可能隐藏在多次尝试之间的连接关系里。把这些经验放进同一张图，能否先在图的 “脑海” 里找到一条更好的路，再由图担任裁判，指导机器人学习值得模仿的动作？ 目前，该工作已被 CORL 2026
  • LeCun证明了：规模从未起作用，下一token路线效率低
    「我训练了1亿参数模型，打败了720亿的LLM。」 人工智能先驱 Yann LeCun 一直主张「生成式 AI 是一条死胡同，世界模型才是真的未来」。 他认为自回归生成有数学上的硬伤，文本承载不了人类的大部分知识，真正的推理也不是基于优化的推断，衡量智能的标准应该是学习新任务的速度，以及零样本应对全新环境的能力。 基于这种观点，LeCun 寻求的替代路线是世界模型 + JEPA，一套目标驱动型架构。最近他提交的一篇论文向着这个方向前进了一大步，它从数学上论证了「next-token 预测路线效率低下」，还给出了自己的方法，用一个 1.09 亿参数的模型打败了 720 亿的 LLM。 一个只看图片的模型，与一个文本大模型，会不会在内部形成相似的「概念地图」？ 柏拉图表征假说（Platonic Representation Hypothesis, PRH） 由 Huh 等人在 ICML 2024 论文中提出，指在不同模态（视觉、语言）上分别训练的模型，随着规模增大其内部表征会越来越相似，最终收敛到同一个对现实的共享统计模型。这就如同柏拉图洞穴里不同的人看到了同一个「理念世界」。但它只有经验
  • 顶级AI研究员的下一个机会在哪？
    VAST 发布新一期 V・STAR 顶尖人才计划 机器之心发布 9 月以来，全球顶尖大模型几乎都在秀 3D。 从 GPT-6 Astra、Claude Opus 5.5 到 DeepSeek V4.1-Flash-1017、Kimi K3.1 Pro，三维创作正在成为展示模型能力的新场景：一句话搭建房间，用代码构造机械装置，甚至直接生成可以操作的 3D 网页。随着编程与工具调用能力进步，过去需要在多款专业软件之间辗转的工作，开始被串进一段自然语言驱动的流程。 当演示变成真正的创作，问题也随之变得具体。 角色能不能更像参考图？机械装置的部件能不能独立运动？生成的资产能不能顺利进入游戏引擎？第一版不满意，能否只修改其中一部分，而不必全部重来？ 10 月 30 日，Kimi 官方公众号发布了一篇 3D 创作教程贴，文中提到，对于适用于人物、动物角色、雕像、怪兽和复杂道具等精细建模的网格化建模，K3.1 Pro 等大语言模型「暂时还做不太好」，为了确保良好体验，在用户发起人物、动物等更适合网络化建模的任务时，Kimi 会自己整理好提示词与参考图，并调用 Tripo 等模型来完成。 这揭示了一个
  • 混合架构用线性注意力还是滑窗注意力？复旦创智OpenMOSS团队：我全都要
    混合架构为什么有效，以及怎样设计得更有效？ 本文第一作者柳潇然，复旦大学、上海创智学院 2022 级硕博连读生，导师邱锡鹏、何子薇。研究方向为长上下文大语言模型，曾在 ICLR、ICML、AAAI、EMNLP 等国际顶级人工智能会议发表论文十余篇。 背景介绍 长上下文已经成为大语言模型重要的基础能力，但长上下文也给模型架构带来了一个现实问题：全注意力能够直接建模任意位置之间的关系，却带来随序列长度显著增长的计算和显存开销；滑窗注意力和线性注意力更加高效，但效果上都存在明显的不足。因此混合架构逐渐成为当前大语言模型设计的主流。 面对滑窗注意力和线性注意力两类固定计算与存储复杂度的高效方案，混合架构应该采取全注意力与哪种的混合呢？复旦创智邱锡鹏团队的最新工作混合架构的长文力学 Mechanics of Long-Context Hybrid Models 给出了一个有趣的答案：我全都要。 论文从混合位置的角度，系统比较了基于 RoPE/NoPE 全注意力、滑窗注意力（SWA），以及 GLA/GDN 等门控线性注意力的混合架构在长上下文任务中的表现，并进一步分析了不同注意力的协同机制。 Pa
  • Tibo 28连更后，OpenAI合并额度池，计费聊天开始了
    从「重置公司」到「token 公司」，Tibo 一语成谶 过去四周，OpenAI 的 Codex 用户几乎每隔一天就能收到一次额度重置。福利发到最后几天，账本收紧了。 OpenAI 帮助中心刚刚上线了一篇名为「Understanding ChatGPT and Codex usage limits」的文档，开头第一句就交代了变化：从 12 月起，Plus、Pro 和 Business 三档付费计划的用量额度，将在 ChatGPT 和 Codex 之间共享。OpenAI 给出的理由是，他们正在把 ChatGPT Work 的智能体能力并入 ChatGPT 的主体验。 https://help.openai.com/en/articles/20001625-understanding-chatgpt-and-codex-usage-limits 翻译成大白话：以前订阅 ChatGPT，网页里聊天和 Codex 里写代码各有各的额度，互不干扰；12 月之后，两者从同一个池子里扣。更大的变化在计量方式上，额度将统一按 token 计算，而不是按消息条数。唯一不受影响的是 Instant 聊天。
  • 24项真机硬碰硬！不靠大规模机器人预训练，Fysiverse-UniWAM拿下导航、移动操作双第一
    一个模型包揽导航、停靠、抓取，国产具身智能有新进展 机器人终于不只是知道往哪走，还知道该在哪里停、以什么方向面对目标，甚至停稳之后，就能直接上手干活。 听起来理所当然，但对机器人来说，这恰恰是一道长期存在的难题。 比如，让机器人收拾桌上的杯子。能走到桌边，不代表就能拿起杯子。底盘停得稍远一点，机械臂可能够不着；朝向稍有偏差，后续抓取也可能受到影响。 如何让机器人不仅走得到，还能停得准、拿得起，甚至完成更复杂的灵巧操作？ 最近，国内团队给出了一条颇有意思的新路线。 飞捷科思（Fysics AI）联合复旦大学认知与智能技术实验室（CITLab），提出统一世界动作模型 Fysiverse-UniWAM，尝试用一个模型，将自主导航、移动操作与固定工位灵巧操作三类原本相对独立的能力贯通起来。 更值得关注的是，这套模型没有走以大规模机器人预训练为起点的传统路线。 团队从预训练视频世界模型出发，通过共享骨干网络实现导航与操作的联合学习，并提出 MAP（Manipulation Anchor Pose，操作锚定位姿），构建了超过 150 万条轨迹、累计约 7500 小时的 MAP-Data 数据集。
  • 刚刚，Claude每月200美元套餐取消5小时限制
    Anthropic订阅计划改名。 机器之心编辑部 刚刚，Anthropic 宣布对 Claude 订阅套餐进行更名。 原来的 Max 5x 更名为 Max，每月仍为 100 美元；Max 20x 则更名为 Ultra，每月仍为 200 美元。 现有订阅用户无需任何操作，价格与权益不变，名称自动切换。 完成更名后，Claude 的个人订阅套餐形成了 Free、Pro、Max 和 Ultra 四个档位。 同时，Anthropic 开始为已验证的 Ultra 账户解除 5 小时使用限制，大多数现有订阅用户将率先受益。 新注册的 Ultra 账户暂时仍受 5 小时限制约束，完成账户验证后，Anthropic 将通过邮件通知用户解除。 消息一公布，开发者 Theo 直接评价道「Huge!!!」。 还有网友表示，200 美元档位终于取消了 5 小时限制，Anthropic 最近的产品更新势头很猛。 Codex「重置之神」Tibo 则表示每周限额依然很严，不如直接改成每月重置更痛快。 「20x」为何改名 Ultra？ Claude 订阅产品负责人 Michael Overell 随后发帖解释了这次调
  • 奥特曼：PC上装内存太浪费，最好留给AI数据中心
    「你根本不会用内存。」 「从全球资源配置的角度来看，让每个人把紧缺的 DRAM 囤在自己电脑里大部分时间闲置，是『相当糟糕』（quite terrible）的安排，内存应该集中到云端数据中心去。」 话都说到这份上了。 本周四在接受 YouTube 频道 Cheeky Pint 的采访时，OpenAI CEO 山姆・奥特曼（Sam Altman）全程喝着啤酒，气氛轻松地聊了聊 AI 大模型的本地推理，以及由此延伸出的家用电脑内存不足的问题，不经意间爆典了。 我们知道，目前全球 AI 浪潮引发的内存涨价，已经让 PC 和手机的价格暴涨了一圈，个人消费者早已难以承受。与此同时，各家内存大厂的产能扩张还要等一阵子。就在前沿 AI 公司吃下内存大头的同时，他们却已经开始讨论起个人电脑中的内存是否得到充分利用。 奥特曼提到一个假设，即人们能够在自己的电脑上运行本地人工智能，这些电脑可能是他们已经拥有的，也可能是因为 AI 大模型技术兴起，他们想要组装的。他认为这是一个糟糕的想法。 「从全球资源分配的角度来看，让每个人都把全球有限的 DRAM 内存闲置在自己的电脑里，而使用率只有 5%，这其实非常糟
查看全部文章

微信公众号 · PaperWeekly

最新文章56分钟前更新
  • EMNLP 2026 | 代码Agent会写不会跑？RAT让GitHub仓库自动跑起来
    代码Agent也会配环境了 有没有 clone 完 GitHub 项目，对着一堆报错怀疑人生的时刻？ 依赖缺、版本冲突、Dockerfile 失踪、CI 脚本失效…… 你让 Agent 修一个 Bug，前提是它先能把项目环境配置好。 如果项目依赖缺失、版本冲突、CI 脚本失效、README 不完整，那么再强的代码能力也无从发挥。 对于代码 Agent 来说，环境配置（Environment Setup）其实是所有软件工程任务的第一步。而这一步，恰恰是目前最容易失败的地方。 项目主页： https://sitaod.github.io/rat/ 论文地址： https://arxiv.org/abs/2604.23190 代码地址： https://github.com/gemelom/RunAnyThing 数据集地址： https://huggingface.co/datasets/gemelom/RAT-bench 环境配置，为什么这么难？ 很多人觉得环境配置无非就是： ➢ pip install -r requirements.txt 但真实世界远没有这么简单。一个 GitHub
  • 从Vibe Coding到Vibe Research：Harness做减法，Human把握关键
    模型越强，规则越少 Prompt 越写越长、Skills 越堆越多，模型就一定越好用吗？ 模型能力越强，你所做的越少。 过度复杂的规则和 prompt 只会干扰 SOTA 级别的 LLM：把要做什么、花多少 effort、怎么验证说清楚就够了，human 要做的是在最关键的地方给出正确的引导。 本文整理了我在项目文档管理、effort 选择、测试与 code review、prompt 与 skills、调研与找 idea 上的经验，供大家参考和批判，更希望的是交流。 文中提到的模型：GPT-6 Astra / GPT-6 Astra Pro / GPT-6 Luna / GPT-5.6 Sol / Fable 5.1 / Opus 5.5 / Gemini 4 Argon。 模型迭代太快了，很多结论都是有时效性的，说不定下周就不适用了。 核心观点：harness做减法，human把握关键 最近 Claude Code 的负责人 Boris Cherny 发了一个 demo：让 Opus 5.5 给 Acquired 播客 Home Depot 那一期做了一个互动网站。 不过出乎他意料
  • 扩散语言模型也能一步生成？Seq-Drifting提供一种可能
    多轮去噪压成一步 扩散语言模型能够并行生成多个词元（token），却通常仍需经过多轮去噪，才能得到高质量文本。 如果把生成过程压缩到一步，模型能否在一次前向计算中，直接生成一整段连贯的文字？ 近日，来自香港城市大学、深圳大学、中国科学技术大学和牛津大学的研究团队提出 Seq-Drifting，将 drifting 生成建模引入文本序列，通过依赖当前生成上下文的漂移场，训练模型协调不同位置的词元选择，实现一步文本生成。 在无条件的 128-token 生成中，Seq-Drifting 的生成困惑度（Gen-PPL）达到 36.01，相较四步蒸馏基线 FMLM，实现 11.2 倍的实际运行时间加速。 研究还在条件续写、机器翻译、摘要生成及推理任务上验证了这一框架，探索一步生成在不同文本任务中的适用性。 相关论文题为 One-Step Text Generation by Seq-Drifting，代码和模型权重已公开。 论文地址： https://arxiv.org/abs/2610.12879 代码地址： https://github.com/jyliu-ai/Seq-Drifting
  • 不设限薪资+期权！V·STAR顶尖人才计划：我们在寻找，向往同一片海的人
    让有价值的研究与创造，获得应有的空间和回报
  • EMNLP 2026 | 多模态数学推理别急着“想”，UniCAR-RL让模型先看清
    视觉数学均分最高涨9.9分 UniCAR-RL 不再让一个最终答案奖励同时承担“看”和“想”的监督，而是用三条共享参数的 RL 分支把感知与推理拆开优化，再在端到端 QA 中重新合起来。 本文介绍华中科技大学与华为合作的 UniCAR-RL：一个面向多模态视觉数学推理的三分支强化学习框架。 工作从一个很直接的问题出发：模型做错视觉数学题，很多时候并不是“不会推理”，而是第一步就把图看错了。 UniCAR-RL 不再把所有错误都压缩成一个最终答案奖惩，而是显式拆分感知、推理和端到端问答三种训练信号，仅依赖原始短答案监督，就能针对细粒度视觉感知进行强化学习优化。 该工作已被 EMNLP 2026 Findings 接收。 论文标题： UniCAR-RL: Seeing Better before Thinking Deeper in Visual Mathematics 收录会议： EMNLP 2026 Findings 作者单位： 华中科技大学、华为 论文地址： https://arxiv.org/abs/2609.13849 代码地址： https://github.com/yzli9
  • 具身智能也需要Harness？港中文发布Agentic Robots综述
    串起模型、数据、环境与 Harness VLA、世界模型、机器人技能都有了，谁来负责协调它们？ 要让机器人完成“打开抽屉、取出蓝色方块、放到桌面”的任务，仅学会几个单独的动作还不够。 抽屉没拉到位、物体被遮挡、抓取后掉落，都可能打断原定计划。机器人还需要判断任务进度，决定接下来调用哪项能力，以及出错后如何补救。 这正是 Agentic Robots 关注的核心问题：如何协调已有的模型、工具与技能，根据执行反馈调整行为，并积累可供后续任务复用的经验。 Agent 的作用也由此延伸到模型训练、数据采集和仿真环境构建等环节。 香港中文大学 MMLab、复旦大学等机构的团队发布了综述《Towards Agentic Robots: Model, Data, Environment, and Harness》。 论文围绕模型、数据、环境与 Harness 四大领域、17 个功能类别，系统梳理了 Agent 如何参与机器人能力的开发、使用与迭代。 论文地址： https://arxiv.org/abs/2610.20442 文献仓库： https://github.com/chonghanqin/
  • Cortex为智能体打造「大脑皮层」，让经验沉淀为长期记忆
    RSI需要长期记忆 一次成功操作、一段纠错反馈，能否成为智能体下一次进步的起点？Cortex 将经验带来的帮助沉淀为长期参数记忆，在学习新内容的同时尽量保留已有能力，为智能体的持续自我改进提供可积累的基础。 一个智能体（Agent）接到任务后，会查阅文档、调用工具、尝试不同方案。在解决问题的过程中，它可能借助文档用对了一个陌生的工具接口（API），也可能借助文档避免了常见的操作错误。 任务结束，执行记录保存下来了。但下一次遇到相关问题时，它会因此做得更好吗？ 常规的上下文学习能够帮助模型利用眼前的信息，却不会自动更新模型参数。 如果一段经历只存在于当前上下文中，它对后续行为的影响往往需要通过再次提供或检索相关内容来延续。完成一次任务，并不意味着模型已经把这次经验学进了参数。 RSI（Recursive Self-Improvement，递归自我改进）也需要解决经验如何持续发挥作用的问题。系统在一轮任务中获得的新知识、有效策略和纠错经验，需要成为后续行动与改进可以复用的基础。[26] 受大脑记忆巩固机制启发，来自浙江大学、ByteDance Seed 和清华大学的研究者提出了 Corte
  • 一段摘要生成6页论文，CVPR底稿写作最强Skill来了
    Best Paper写法学起来 不提供论文全文，也不需要联网检索，一段摘要就能生成六页 CVPR 底稿。 用 AI 辅助写论文，应该有不少人试过这样的 prompt： 参考 CVPR、NeurIPS Best Paper 的写作风格，帮我修改一下摘要和引言。 这类提示词可以要求模型模仿某种写作风格，但具体到一篇论文，研究缺口如何展开，方法动机怎样引出，实验结果又该如何支撑核心贡献，仍然需要更细致的论证设计。 最近开源的 Best-Paper-Writing-Skill，就尝试把这些写作经验整理成一套可执行的 Skill。 作者分析了 60 篇 CVPR、ICCV 和 NeurIPS 获奖论文，将总结出的写作规律封装其中，供 Claude Code 和 Codex 调用，帮助研究者从已有研究信息出发，生成完整的论文底稿。 填张表或直接提供一段摘要，就能让 Agent 从零写出完整的论文底稿。 作者还以 CVPR 2026 获奖论文为例，仅凭原始摘要，就生成了一份约六页的 CVPR 格式初稿。 一段摘要，直接生成六页论文 作者选取了 CVPR 2026 的三篇获奖论文进行演示，分别是最佳论
  • EMNLP 2026 | 中科大提出AtomMem，用原子事实重建Agent长期记忆
    几周前说过的话，AI还记得吗？ 几周前告诉 AI 助手的偏好，它今天还能准确记得吗？ 当用户状态发生变化时，助手能否在准确更新记忆的同时，保持记忆库的稳定性？面对需要综合多次对话才能回答的问题，它又能否找到并整合所需的证据？ 当大语言模型从单轮问答走向长期交互，记忆的准确保存、稳定更新与有效利用，直接关系到 Agent 能否持续提供可靠的个性化服务。 完整保存原始对话，容易使检索与回答过程受到冗余内容的干扰；将对话压缩为摘要或组织成三元组等结构化关系表示，则可能在提炼信息的过程中损失关键细节与上下文。 保存了对话，不等于建立了可靠的记忆。 在本文中，我们提出 AtomMem：先将对话转化为高价值、能够独立理解的原子事实（Atomic Facts），再用事件组织相关经历、用时序画像追踪用户状态的变化，并通过关联图召回分散的证据。 我们以高质量的记忆表示为基础，协同设计记忆的组织、更新与检索机制，支持长期交互中的信息积累、状态维护与证据整合。 其中，一个值得关注的发现是：即使不使用复杂的层次结构和图关联召回，仅基于向量相似度直接检索原子事实，也能带来明显提升。 这一结果凸显了记忆表示的基础
  • 当paper通胀后，我们该怎么benchmark一个researcher？
    AI加速科研之后 如果做出一篇论文比过去容易了，论文数量、顶会录用和引用次数，还能在多大程度上反映一个研究者的贡献？ 定义和共识 在讨论这个现象和它的影响之前，先约定几个定义和共识。 首先，哪些资源在这篇文章里被看作增长缓慢、相对有限的： 1. 计算资源 2. 人的注意力和精力：包括 researcher 推进工作的精力，也包括审稿人和读者理解、判断一项工作所需的注意力 3. 时间：实验迭代的时间，人理解问题、积累经验的时间 这些资源的增长速度，短期内远远赶不上 paper 的膨胀速度。 其次，评价一个 researcher 的核心 metric 是什么：他对整个领域的总 contribution。 也就是说，我们真正关心的是一个 researcher 推进了多少领域认识，而不是他一共发了多少篇 paper。 只是前者很难直接衡量，所以大家普遍拿后者当 proxy metric。 在此基础上，再定义什么是一篇好 paper： 1. 能带来结论。这里的结论指：可复现、能被实验证明、并且对领域有推进作用的观点。它是一篇文章的核心价值，也就是文章的 story 本身。 2. 需要消耗一定的计
  • 你的模型会剪辑吗？阿里、上交推出CutCraft，六大维度专测剪辑指令
    实测13款模型 现如今多镜头音视频生成模型越来越强，生成的视频画面流畅、叙事看起来通顺。 但画面连贯≠会做专业剪辑。 很多 AI 视频可以产出观感丝滑的成片，却做不到基础剪辑要求：控制镜头数量与时长、实现、实现特定类型的蒙太奇叙事、实现指定的转场特效以及指定的音画关系等等。 现有绝大多数评测基准，大多聚焦画面、同步、物理合理性等通用指标，但是缺少对剪辑指令实际执行效果的专项考核。 针对这一缺口，来自阿里巴巴的研究者，推出 CutCraft：首个面向多镜头音视频生成、聚焦专业剪辑指令执行能力的评测基准，把镜头结构、转场语法、音画剪辑关系、蒙太奇手法等等全部纳入评测范围。 论文标题： Beyond Coherence: Benchmarking Professional Editing‑Technique Execution in Multi-Shot Audio-Video Generation 作者机构： 阿里巴巴、上海交通大学、复旦大学、德克萨斯大学奥斯汀分校、中科院软件所 论文链接： https://arxiv.org/abs/2609.08275 代码仓库： https://gi
  • 不同Harness的Agent Loop怎么做？Claude Code、Codex等6套方案详解
    从核心循环到工程细节 一个看似简单的 Agent Loop，真正做成 Coding Agent 有多复杂？ Agent Loop 的基本流程并不复杂。 模型发起工具调用，Harness 执行后将结果返回给模型，模型再决定下一步。围绕这几步，就能搭建一个最简单的 Agent 循环。 但在 Claude Code、Codex 这样的实际产品中，还需要处理大量具体问题：工具如何并行执行、用户能否中途追加指令、权限检查放在哪个环节、上下文接近上限时如何压缩，以及整个循环什么时候结束。 不同 Harness 对这些问题的处理方式并不相同。 最近有人整理了 Claude Code、Codex、OpenCode、Pi、Oh My Pi 和 DeepSeek Harness 的 Agent Loop，从循环结构、工具执行、上下文管理到扩展机制，逐一梳理了六套系统的具体实现。 六套系统遵循相似的基本流程，但在循环的组织方式、状态管理和扩展机制上，各有不同的设计取舍。 Claude Code Claude Code 的 agent loop 是一个单线程主循环：调用模型 → 有 tool_use 就执行
  • ICLR 2026 | 除了卫星影像，人的移动还能告诉AI什么？
    城市AI不只看卫星 想象城市中两片建筑形态相近的区域：一片主要服务周边居民，另一片吸引来自城市各处的消费者。 卫星影像提供了建筑、道路和地表的信息，人们在不同地点留下的活动联系，则为理解两片区域的角色补充了另一类线索。 发表于 ICLR 2026 的 MoRA 围绕这一问题展开：能否把地点之间的人类活动联系，与兴趣点、卫星影像和人口统计信息结合，让模型更好地理解区域的社会经济特征？ 论文的全国范围实验显示，MoRA 在九项任务中的八项取得了所比较方法中最高的平均 R²，同时保留了明确的数据覆盖与适用边界。 研究由来自香港大学、腾讯微信和香港城市大学的研究者合作完成，Ya Wen 与蔡纪烜（Jixuan Cai）为共同第一作者，Yulun Zhou 为通讯作者。 本文由共同第一作者蔡纪烜供稿，介绍论文的方法、主要发现与尚待验证的问题。 论文标题： MoRA: Mobility as the Backbone for Geospatial Representation Learning at Scale 论文地址： https://proceedings.iclr.cc/paper_fil
  • 华为三张算子榜被AI「屠」了！
    连Kernel都不用手搓了 DeepSeek 刚把推理框架开源，AI 就在相关算子上跑出了更快的实现，连底层 Kernel 优化也开始卷起来了。 同样一款大模型、同样一块芯片，换一套更高效的底层算子，推理速度就可能拉开明显差距。 DeepSeek 在底层计算优化上已经下了不少功夫。从 FlashMLA、DeepGEMM 等高性能算子库，到近日开源的推理框架 DeepInfer，相关工程成果正陆续开放。 就在 DeepInfer 开源的不久后，一个叫 ForgeKernel 的项目，在 DeepSeek V4.1 Flash 相关算子任务上，跑出了比其开源 NVIDIA 实现更快的结果。 这些 Kernel 由 AI 自主编写、测试和反复优化，整个过程无需工程师逐行调优。 ForgeKernel 还登顶了两大公开算子榜单：NVIDIA SOL-ExecBench 的 FlashInfer-Bench B200 合集，以及昇腾 CANNBench 的 A3、950DT、950PR 硬件榜。 一边是积累了大量专家实现和优化经验的 CUDA 生态，一边是拥有独立硬件架构与软件工具链的昇腾。两张
  • NeurIPS 2026 | 拒答不等于安全！ReasoningShield直击思维链安全盲区
    AI拒答也得查过程 「抱歉，这个请求我不能帮助。」 看到这样的回答，我们很容易认为：模型成功拒绝了危险请求。 但如果它在此前的「思考过程」中，已经给出了可被滥用的信息，最后才补上一句拒绝呢？ 当推理模型开始「先思考，再回答」，安全审核也多了一个必须回答的问题：最终答案之前的推理过程，是否已经暴露了有害信息？ 最终答案安全，不等于推理过程安全。 针对这一问题，上海创智学院与复旦大学团队提出 ReasoningShield，首次提出并定义思维链安全审核任务，构建专用数据集与评测基准，并训练、开源 ReasoningShield-1B/3B 审核模型。 目前该工作已获人工智能国际顶级学术会议 NeurIPS 2026 Evaluations and Datasets Track 录用。 论文标题： ReasoningShield: Safety Moderation over Reasoning Traces of Large Reasoning Models 论文链接： https://arxiv.org/abs/2505.17244 项目主页： https://cosmosyi.gith
  • CVPR 2027投稿全指南：新人限投1篇，首份桌拒清单公布
    投稿前，先看看今年的变化 CVPR 2027 首次公布完整的五类桌拒清单。 CVPR 2027 今年的投稿规则里，有几条值得提前划重点。 官方首次集中公布五类桌拒情形，超过投稿配额、缺少必要声明，甚至严重审稿失职，都可能让论文在完整评审前出局。 先看投稿数量。ICLR 2027 每位作者最多署名 20 篇，AAAI 2027 主技术赛道最多 10 篇，CVPR 则继续保持 25 篇的上限。 但今年新增的一条规定，可能让部分新人团队连第二篇都没法投：如果一篇论文的作者均不具备合格互惠审稿资格，每人最多只能参与 1 篇此类投稿。 AI 使用也有新要求。哪怕只用 AI 修改语法，也必须在论文中说明。缺少 LLM 使用声明，论文可能直接被拒稿。 与此同时，CVPR 也将引入大会批准的 AI 工具辅助审稿。 赶在截稿前，一套面向 CVPR 论文的独立开源 Skill——CVPR Paper Playbook 也上线了，可以帮助研究者检查论文贡献、实验设计和图表，并给出投稿前预审意见。 投稿日期 CVPR 2027 将于 2027 年 6 月 20-25 日在美国西雅图举行，其中主会为 6 月 2
  • 成本腰斩，性能反超纯大模型！上海AI Lab提出Agent自进化路由框架
    让大小模型自己学会分工 借助大模型，智能体已能完成软件开发、科学研究等复杂任务，但多轮交互中频繁调用大模型，推理成本也随之居高不下。 实际上，复杂任务的各个环节对模型能力的要求不尽相同：小模型虽难以独立完成整个任务，却往往能胜任其中的部分子任务。 因此，让大小模型合理分工、协同作业，是兼顾任务效果与推理成本的关键。 上海 AI Lab 研究团队提出自进化智能体路由框架 RSI-Router，从执行轨迹中挖掘可复用的子任务，探索大小模型分工，并提炼模型专属执行技能，让分工策略与执行技能在持续迭代中共同进化。 论文标题： RSI-Router: Evolving Subtask-Level LLM Routing and Skills for Cost-Efficient Agents 论文链接： https://arxiv.org/abs/2609.34712 以 DeepSeek-V4.1-Flash 为大模型、Qwen3.5-9B 为小模型，RSI-Router 在五个 Agent 评测基准上： 1. 性能反超：五个基准的任务表现均超过纯大模型基线。 2. 成本减半：五个基准的推理成
  • RSI不再烧钱！唐杰署名开源HarnessPro，Agent越进化越便宜
    RSI也开始算性价比 清华、智谱团队的这项新研究，让 Harness 在复盘中学会了算账，分数更高，花钱更少。 唐杰的名字，又出现在一篇 Agent 论文的共同通讯作者名单里。 这一次，来自清华大学、智谱、上海交大、华威大学和可灵 AI 的研究团队，把执行成本也纳入了 Harness 的自我进化。 现有的 Harness RSI 方法已经能够从执行轨迹中总结经验、自动改进运行规则。但更充分的探索和验证往往伴随着更多 token 消耗，agent 的成绩涨了，账单也跟着涨。 研究团队提出的 HarnessPro，会同时复盘任务失败和多余开销，再用 AI 生成的测试筛选候选方案，兼顾性能与成本。 在 GPT-5.5 搭配 Codex 的三个基准上，Heavy 方案相较 RHO 的平均任务通过率提高 2.0 个百分点，单任务执行成本平均下降 26.1%。 除了追求性能的 Heavy，它还提供兼顾两端的 Medium 和省钱优先的 Lite。三档方案面向不同预算需求，代码已经开源。 论文标题： HarnessPro: Recursive Harness Self-Improvement wit
  • 当Agent开始用图来思考：一篇综述梳理图智能体三大方向
    以下文章来源于：开放知识图谱 开放知识图谱 OpenKG：开放促进互联、链接创造价值 Agent也有自己的「关系图」了 国防科技大学赵翔教授团队与天津大学王鑫教授团队合作在软件学报发表综述论文 “图智能体概念与研究进展”。 01 动机 大语言模型通过大规模语料预训练获得自然语言理解与生成能力。大模型智能体以其为推理与决策核心，围绕任务目标感知环境、制定计划、执行行动，并依据环境反馈调整行为，形成交互闭环。当任务涉及多个阶段、工具或持续交互时，智能体需要维护实体关系、步骤依赖和动态任务状态。仅依赖文本上下文，模型可能遗漏关键证据、违反工具调用的顺序约束，或沿用过时状态。系统因而需要明确记录相关关系与任务状态，并在执行过程中及时更新。 图结构可以显式表示这些关系：将知识实体、工具、子任务和记忆单元表示为节点，将语义关联、数据流向、执行依赖和时间关系表示为边，使分散在文档、任务描述和交互记录中的关系能够被查询和更新。这些关系进一步用于检索、规划和推理：知识图谱中的实体连接引导证据检索，工具图中的接口关系限定调用组合，任务图中的依赖边约束步骤的执行顺序；推理图组织候选思路和中间结论，用于评估与
  • 本科生如何发表3篇CCF-A？顶会论文写作「焚诀」来了
    从精读论文到顶会写作 本科一作 3 篇 A 会是什么水平？不妨看看这份科研笔记。 本科期间，不到两年时间，以第一作者身份发表 3 篇 CCF-A 会议论文，包括 NeurIPS 和 ICML，Google Scholar 引用超过 100 次。 最近，一位名为「橘寄」的科研博主分享了自己的本科科研经验。 除了论文成果，作者还曾获得国家奖学金，以及清北、香港和新加坡多所高校的 PhD offer。 从如何精读论文、上手大型代码仓库，到寻找科研 idea、完成顶会论文写作，这几篇笔记涵盖了不少具体做法。 以下是相关内容的整理，尽量保留作者原有的经验分享和第一人称表述。 本科科研从读论文开始 27 届保研季刚刚结束，不少学弟学妹感到焦虑，来问我：本科阶段该怎么做科研、发论文，提升升学竞争力？ 和大家分享一些本科做科研的实用经验。 一、系统阅读该方向近期的文章 这里的阅读是循序渐进的过程。 1. 精读该方向 2-3 篇文章 这里的精读指的是包括 Related Work 在内的所有正文部分。 请注意，有读不懂的地方，你可以随时让 AI 给你通俗解答，最后达到的效果是：问你正文的哪一部分，你都能
  • EMNLP 2026 | 多模态大模型怎么“看”世界？上交大、蚂蚁揭秘视觉概念编码
    看得懂，却不会推理 多模态大模型已经能够准确识别图像中的物体、模仿特定艺术风格、感知画面情绪，甚至解答复杂的几何问题。 但在模型内部，认出一只“猫”和理解“正义”或“危险”，走的是同一套编码机制吗？为什么模型明明能“看懂”几何题里的辅助线关系，却依然算不出正确答案？ 为了打开这一黑盒，来自上海交通大学、蚂蚁集团的研究人员提出了一套基于 Activation Steering 的因果探测框架，从被动观察转向主动因果干预，系统揭示了多模态大模型对不同视觉概念的编码方式，以及视觉感知与逻辑推理之间的断层。 论文标题： Causal Probing for Internal Visual Representations in Multimodal Large Language Models 论文地址： https://arxiv.org/abs/2605.05593 数据集地址： https://huggingface.co/datasets/hehehahi4/Vis_diff 从“被动观察”到“主动因果干预” 要搞清楚模型内部如何编码视觉信息，研究团队将视觉概念划分为四个由具体到抽象的层级
  • 机器人也开始RSI了！商汤给GPT-6-Astra加「外挂」，成功率翻倍
    12项基准，8种真机 给 GPT-6-Astra 换套 Harness，RoboDojo 成功率直接从 15.83% 涨到 54.17%。 同样是 GPT-6-Astra，换套 Harness，机器人操作的成功率能差多少？ 来自商汤科技、南洋理工大学等机构的联合研究团队，在 RoboDojo 的 42 项任务上进行了一组 Harness 消融实验。 基础 Agent 配置的成功率为 15.83%，平均得分 22.96；加入上下文学习知识包，再让 GPT-6-Astra 与视觉—语言—动作模型（VLA）闭环协作，成功率升至 54.17%，平均得分达到 60.08。 GPT-6-Astra 的参数没有改变，机器人任务成功率却达到原来的 3.4 倍。 在另一组 RoboDojo 挂杯测试中，GPT-6-Astra 根据头部摄像头画面，误以为杯把已经套上挂钩。腕部摄像头却显示杯子仍在桌上。模型继续调整，也没能及时确认真正的接触状态。 〓任务完成状态误判及其他典型执行失误 SenseNova 研究团队推出的SenseNova-RoboRSI，把模型、机器人动作接口、原生评测和反馈改进纳入统一 H
查看全部文章

微信公众号 · 量子位

最新文章30分钟前更新
  • 倒计时一周｜量子位2026人工智能年度榜单征集即将截止！
    量子位在寻找“能干”的答案 2026年，人工智能走到了从技术验证到规模化落地的分水岭，技术不再只用参数衡量，而是看它能不能在真实场景里交付结果。当行业从“能想”迈入“能干”，谁在用技术解决真问题？谁在让行业建立新标准？谁在让AI真正创造价值？ 量子位人工智能年度榜单征集，已经进入最后一周。企业、产品、人物，我们仍在寻找这些有意义的答案。 我们相信，这既是一份年度观察笔记，也是引领AI进程的坐标：它梳理这一年的技术演进与产业实践，为行业提供可参考的样本，为决策者提供可判断的依据，让每一次创新都成为推动产业前行的力量。 这也是对2026年AI行业的一份记录，是对那些锐意进取的先锋者的一次致敬：让他们的思想被更多人看到，让他们的判断启发更多同行的人。 11月16日，征集通道将正式关闭！ 但这一年的答案你不该缺席，欢迎报名。 企业榜 2026人工智能年度领航企业 2026人工智能年度潜力创业公司 产品榜 2026人工智能年度杰出产品 2026人工智能年度杰出解决方案 人物榜 2026人工智能年度创业新锐 详细评选标准及报名方式如下： 2026人工智能年度领航企业 将面向中国人工智能领域，评选出
  • Anthropic启动IPO路演，估值已缩水6000亿美元
    全世界都在踩刹车，达里奥一个人踩油门 哪怕空手接飞刀，也要拿到大结果！ 说实话，一开始，恐怕没人能想到，A社这场曾经史上最大IPO能惨烈到这个地步，以及达里奥·阿莫代伊的头能这么铁。 就在刚刚，Claude母公司Anthropic的IPO路演正式开场，一扫此前退出、延期的传言。 按计划，Anthropic拟以每股70—78美元的价格发行8.25亿股，IPO交易规模最高约643.5亿美元，计划于11月19日在纳斯达克开始交易，股票代码为ANT。 届时，非创始人董事、高管、现任及前任员工和顾问，可以从首个交易日起，出售规定基准持股的最多10%，对应最多约3.16亿股。 换句话说，上市首日，A社的早期股东就有机会套现221亿—246亿美元（约人民币1500亿左右）。 同理，当天想要买入A社的股民也要面对同样数额的抛售压力。 u1s1，咱一般人眼中，这200多亿美元已经足够不少人在湾区安家乐业，但放在A社此前的预期里，咱必须说，这是一个严重缩水版的中等结果。 why？先看点前情提要： 11月2日，Anthropic更新招股文件，第三季度虽然还是暴增47%，但增速较第二季度已经放缓67% 11月
  • 上海造、香港连，中国AI加速走向全球
    WAIC把中国AI的年度日历排满了 过去两周，全球人工智能行业在资金层面接连释放信号：OpenAI将最新一轮募资目标由300亿美元下调至约200亿美元，估值由1.4万亿美元调整至1.25万亿美元；Anthropic的芯片融资案中，其上市后可能先取得“非投资级”信用评级——低于市场此前预期…… 这不是某一家公司的个体波动。 当一级市场对头部模型公司的定价趋于审慎、二级市场对AI概念的溢出效应重新校准，一个更结构性的问题浮出水面：资本正在从“为参数付费”转向“为回报定价”。 而要理解这些信号，需要把时间轴拉长，看行业本身走到了哪一步。 技术不再是瓶颈，连接才是 过去三年，大模型完成了从“演示可用”到“生产可用”的跨越。 多模态理解、推理能力、Agent任务的执行可靠性，均已越过产业应用的基本门槛；推理成本按量级下降，让模型从“贵重仪器”变成“基础设施”。 很显然，技术侧的问题，正在被技术侧自己解决。 产业侧的图景则是另一番样子：视觉质检进入产线，影像辅助进入医院，调度优化进入港口，算法治理进入城市…… 应用已在日常运行，但渗透的深度与广度，远未匹配技术就绪度。 但原因却不在模型，而在模型之
  • 双11直播间爆改AI秀场，罗永浩上手TRAE，秒变AI Coding的大众嘴替
    价格、门槛全打穿 真是活久见，今年双十一最有技术含量的事儿，居然不是研究怎么凑满减了。 下了班刷直播准备买买买，没想到越刷越熟悉，AI啥时候混迹各大卖场了？？ 前有直播一哥热火朝天带货两万亿Token，后脚刷到老罗直播间—— 好嘛，AI编程工具也直接挂上小黄车链接了。 全链路AI开发平台TRAE，也就是罗永浩口中的“崔老三”，首月体验直接甩出9块9的真香价。 自称“一行代码都不会写”的五旬老汉，当场支起电脑投屏，在几万观众围观下直接秀起了操作： 几分钟生成一份带数据图表的短剧调研报告； 把5万多字晦涩资料，爆改成两套发布会级PPT； 就凭一张手绘破草图，硬生生搓出一款货真价实、全局可用的语音输入法软件。 绝了，平时只在技术论坛里被程序员反复测评、抠性能指标的AI Coding，一夜之间被推上了大众狂欢的带货舞台。 So？大主播们今年咋集体卖起了高深莫测的技术产品？ 双十一大变天 往年的双十一，咱抢的无非是按箱囤的卫生纸、算不明白折扣的护肤品、各种参数的数码硬件… 今年画风不一样。 李佳琦直播间的两万亿Token让大家第一次见识到，原来AI也是能“按斤囤”的。 但热闹归热闹，很多普通人跟
  • 倒计时一周｜量子位2026人工智能年度榜单征集即将截止！
    量子位在寻找“能干”的答案 2026年，人工智能走到了从技术验证到规模化落地的分水岭，技术不再只用参数衡量，而是看它能不能在真实场景里交付结果。当行业从“能想”迈入“能干”，谁在用技术解决真问题？谁在让行业建立新标准？谁在让AI真正创造价值？ 量子位人工智能年度榜单征集，已经进入最后一周。企业、产品、人物，我们仍在寻找这些有意义的答案。 我们相信，这既是一份年度观察笔记，也是引领AI进程的坐标：它梳理这一年的技术演进与产业实践，为行业提供可参考的样本，为决策者提供可判断的依据，让每一次创新都成为推动产业前行的力量。 这也是对2026年AI行业的一份记录，是对那些锐意进取的先锋者的一次致敬：让他们的思想被更多人看到，让他们的判断启发更多同行的人。 11月16日，征集通道将正式关闭！ 但这一年的答案你不该缺席，欢迎报名。 企业榜 2026人工智能年度领航企业 2026人工智能年度潜力创业公司 产品榜 2026人工智能年度杰出产品 2026人工智能年度杰出解决方案 人物榜 2026人工智能年度创业新锐 详细评选标准及报名方式如下： 2026人工智能年度领航企业 将面向中国人工智能领域，评选出
  • 一图生成不穿模的驾驶视频，物理合理性Waymo实测第一丨港科广新框架已开源
    一张图+几条线，AI生成的行车视频不再“穿模” 旁边车道的车突然加塞，自车赶紧减速避让。 这段行车画面，不是行车记录仪拍的，而是AI生成的。 对自动驾驶来说，最难补齐的，是那些平时不常见、一旦发生却可能直接造成危险的瞬间。 现在，生成这类视频只需要一张照片，加上几条车辆轨迹就够了。前车怎么切进来、自车怎么减速避让，整个过程都符合物理规律，车和车之间不会互相“穿模”。 △两辆车先后加塞，自车依次减速避让 这就是来自港科大（广州）团队的新工作Motion Forcing。 它的思路简单来说，就是先想清楚东西怎么动，再去画东西长什么样。 在Waymo真实驾驶数据上，它的动作连贯性和物理合理性两项指标都排第一，超过了Seedance 2.0和Wan 2.6这两款头部视频模型。 除了驾驶场景，它还能生成多米诺骨牌连环倒下、机械臂推动物体的视频，同样符合物理规律。模型代码和交互Demo均已开源。 △多米诺骨牌连环倒下 △机械臂推动物体 画得像，还得开得对、控得准 现在的视频模型，画面越来越精致，可一到复杂场景就容易“露馅”：车开着开着穿过了另一辆车，被挡住的车凭空消失，碰撞之后的反应也不对劲。 问
  • Agent自演进驶入“双轨时代”！openJiuwen RSI再升级，首发TTSE经验学习框架
    让每一次任务，都成为下一次进步的起点 Agent越用越强，为什么还会被环境“绊倒”？ 你的同事用Agent整理报表，一路顺畅。你用同样的模型、工具和流程，换成自己的文件，却开始反复试读、频繁返工。 模型没变，Harness没变，换个环境，为什么就不灵了？ 文件位置不同、数据格式混杂、模板约束变化，都可能让原本有效的方法失效。模型提供推理能力，Harness组织执行流程，但Agent仍需判断：这里的环境是什么样的，过去的经验还适不适用？ 这也揭示了Agent持续自我改进过程中一个容易被忽视的问题：Agent不仅要从任务中学会“怎么做”，还要判断这些经验在什么环境下仍然有效。 在RSI（Recursive Self-Improvement，递归自我改进）的持续优化过程中，Agent可以通过任务反馈改进执行方法、积累可复用经验。但如果环境认知没有同步更新，过去有效的经验也可能成为新的障碍：接口条件变了，还在重试旧调用；数据格式变了，还在沿用旧规则。 一次失败，究竟该改方法，还是该纠正对环境的认识？ Agent的新难题，藏着认知科学的老线索 认知科学对知识结构的研究，为区分这两类问题提供了启发
  • 100轮图像编辑这道「毙刷题」，新出的Seedream 5.5稳上来了！
    速度提了，API价格降了 说真的，即便强如新出的GPT-Image 2.6，遇到连续编辑100轮图像这种高压任务，也得大喊那句“名人名言”： 我画地为牢啊，厉娜！ 例如我们先给Image 2.6输入下面这张原始图片： 然后再把包含100轮任务的提示词丢进去，每一轮就是让手表里的时间增加1秒钟，并且把上一轮生成的图片作为下一轮的输入： 但看似非常简单的任务，Image 2.6生成的结果却是这样的（为了方便看变化，我们把100张图做成了一个视频）…… 可以明显地看到，其实在第10轮左右，原始图片就开始发生了畸变，而且越往后，图片失真程度就越严重。 这要是放到真实工作场景里，那简直就是大大大大麻烦了。 But！！！ 一个新出的国产生图AI，却能hold住这个高压任务！来看下结果： 虽然在后期的轮数中，依旧是存在一些畸变的情况，但整体却要比Image 2.6要保真得不少。 而这个新国产生图AI，正是来自字节的Seedream 5.5。 上面的任务，便是在豆包里调用新模型来执行的。 不过，100轮编辑不崩，还只是Seedream 5.5这次更新的一隅。整体看下来，它的亮点还包括： 真实感提升：人
  • 量子位编辑作者招聘
    3个岗位（含实习），不设边界 AI热潮还在汹涌，但如果你还不知道如何参与……那为什么不来量子位呢？ 我们是一家以追踪AI新进展为核心的内容平台，经过8年积累，目前拥有顶流影响力，广泛且备受认可的产业资源，以及时代风口的最佳观测和学习生态位。 目前，我们有三大方向岗位招聘，希望你是（或者能成为）这三个方向的内容专家： AI产业方向：关注基建层创新，包含芯片、AI Infra、云计算； AI财经方向：关注AI领域创投和财报，跟踪产业链资本动向； AI产品方向：关注AI在应用和硬件终端方向的进展。 岗位均为全职，工作地点：北京中关村。 岗位面向： 社招：覆盖编辑、主笔、主编各个层级，按能力匹配岗位； 校招：应届毕业生，接受实习且可转正。 加入我们，你可以获得： 站在AI浪潮之巅：第一时间接触和了解AI领域最新技术和产品，构建完整的AI认知体系。 玩转AI新工具：将各种AI新技术、新工具应用于工作，提升工作效率和创造力。 打造个人影响力：通过撰写独家原创内容，建立个人知名度，成为AI领域的意见领袖。 拓展行业人脉：与AI领域大咖零距离接触，参与重要科技活动和发布会，拓展行业视野。 获得专业指导
  • 倒计时一周｜量子位2026人工智能年度榜单征集即将截止！
    量子位在寻找“能干”的答案 2026年，人工智能走到了从技术验证到规模化落地的分水岭，技术不再只用参数衡量，而是看它能不能在真实场景里交付结果。当行业从“能想”迈入“能干”，谁在用技术解决真问题？谁在让行业建立新标准？谁在让AI真正创造价值？ 量子位人工智能年度榜单征集，已经进入最后一周。企业、产品、人物，我们仍在寻找这些有意义的答案。 我们相信，这既是一份年度观察笔记，也是引领AI进程的坐标：它梳理这一年的技术演进与产业实践，为行业提供可参考的样本，为决策者提供可判断的依据，让每一次创新都成为推动产业前行的力量。 这也是对2026年AI行业的一份记录，是对那些锐意进取的先锋者的一次致敬：让他们的思想被更多人看到，让他们的判断启发更多同行的人。 11月16日，征集通道将在正式关闭！ 但这一年的答案你不该缺席，欢迎报名。 企业榜 2026人工智能年度领航企业 2026人工智能年度潜力创业公司 产品榜 2026人工智能年度杰出产品 2026人工智能年度杰出解决方案 人物榜 2026人工智能年度创业新锐 详细评选标准及报名方式如下： 2026人工智能年度领航企业 将面向中国人工智能领域，评选
  • 具身智能出海，物流先行
    全球练兵、全球交付 中国物理AI企业，这回有了个全球实训场。 11月5日，菜鸟在香港智慧港举行AI及具身智能产业合作发布会，宣布向AI与具身智能企业开放全球仓网，打造AI与具身智能物流实景训练集群。 具身机器人能接触到的物流任务可谓相当齐全。从仓储拣选、拆码垛，到自主导航配送、高空巡检，覆盖了物流作业的多个环节。 而且，菜鸟还给这些机器人配上了一份出海套餐。 发布会上，菜鸟推出面向AI算力和具身智能企业的科技出海三日达服务，将全球三日达的能力延伸至高科技产品出海。 从跨境运输、海外部署，到备件补给、返修回流、本地运维，一整套服务安排上。 菜鸟给具身机器人提供了真实仓库场景来练手；同时，AI硬件和具身智能产品出海，也从这里获得了从跨境运输、海外部署到返修运维的一整套物流支持。 用全球仓网和物流体系，接住物理AI从研发验证到商业落地的需求，把产业化的前半程和后半程连接起来。 菜鸟这次，两手都抓了。 △菜鸟香港智慧港大楼 全球范围内，菜鸟给机器人开放了哪些场景？ 菜鸟这次给机器人准备的“全球实训岗位”可不少。 依托覆盖全球200多个国家和地区的物流网络，以及万级仓储基础设施，菜鸟将向产业伙伴
  • “AI毁了我的计算机学位”
    教授也用Claude糊弄… AI正在毁掉我的计算机学位。 写下这行控诉的，是一个从小梦想学计算机的大二女生，Katie。 没有名校光环，高中数学只拿了个B；此前也没接受过任何科班集训，唯一拿得出手的「项目经历」，不过是几个略显简陋的网页小游戏。 原本以为，迈进大学象牙塔，终于能好好学计算机了！ 谁曾想—— 课程大纲是Claude批量生成的，期末大作业是LLM自动批改的，就连导师发来的关怀邮件，很可能也是后台自动化脚本。。。 面对这荒诞的一幕，她瘫软了（bushi）： 由于AI，我的大学似乎正在经历一场生死存亡的危机。 博客发布不到24小时，光速成Hacker News首页热榜第一。 彻底崩坏的计算机系 在她的求学经历里，自打这波生成式AI爆发后，学校的教学政策就没停止过反复横跳。 最开始当然是全面拥抱： 给学生作业打分写评语、生成课程大纲、发全员催学邮件……全给安排上了大模型。 结果呢？ 折腾不到三个月，发现全是幻觉与垃圾内容，光速撤回。 整套教学管理，始终处于一种极其精神分裂的状态—— 你们绝对不能使用AI！ 哦不，说错了，所有人必须使用AI！ 不对不对……好像还是不能用AI啊……
  • 2026年度AI十大趋势征集中｜量子位智库
    快来分享你心中的2026十大AI趋势！ 量子位智库 | 公众号 AI123All 2026年的AI，正从“能想”走向“能干”。 智能体开始自主拆解目标、调度工具，承担完整的任务流程；物理AI从实验室演示走向真实作业，进入产线、仓库与门店；世界模型则为机器理解环境、预测行动后果，提供新的探索空间。 与此同时，AI也开始参与自身的研发与改进。从编写研究代码、运行实验，到寻找更高效的训练方法，“用AI研发更强的AI”正在成为新的探索方向。 围绕RSI（递归自我改进）的尝试，也让我们开始追问：当AI越来越多地参与自身进化，技术迭代的速度与方式，会发生怎样的变化？ 变化正在加速，判断趋势的尺度也需要随之更新。 一项能力能否走出实验室，一个产品能否持续交付，一次技术突破能否转化为真实的生产力，正成为观察AI发展的重要切口。可靠性、可控性，以及规模化应用的成本，也越来越影响技术与产品能够走多远。 与AI发展共进之时，许多问题，每一年都值得进行年度复盘、思考和回答—— 哪些技术正在跨过关键门槛，蕴含着改变行业的巨大能量？ 哪些产品和团队正在将能力优势转化为持续竞争力，即将来到镁光灯下？ 哪些行业已经出
  • AI接管一家8万Star开源公司，写代码、派任务、查Bug全包了
    超过Codex和Claude Code，通过率达70%。 一位AI主编领着三位AI小编，分别盯紧前沿大模型、开源项目和大厂人事。 我把选题需求往主编Agent Sienna手里一塞，它转头便拆起了活，派人、收稿，汇总一气呵成。 不到8分钟，它就给我端来了6条新鲜热辣的AI选题： 不er，我茶都还没泡开呢，一天的选题工作就这么哼哧哼哧地跑完了？！ 早在半年前，LobeHub团队就开始用自家的AI协作平台搞研发，让Agent参与派任务、写代码，甚至排查Bug。 现在，AI已经成了LobeHub团队研发流程里的常驻成员。 在FrontierHarness的30道软件工程任务中，其优化后的Agent Harness使用Kimi K3完成了21道，通过率达70%，每道成功任务的成本中位数为1.68美元（约11.21元人民币），超过了Codex和Claude Code。 真没想到，DeepSeek最近还在探索Super-Agent架构，LobeHub早在5月份就已经把类似的人机协同思路做成了产品，甚至直接开源了！ 如今，LobeHub团队已经把这套工作方式用进了日常研发，让Agent自己拆任务、派
  • 量子位编辑作者招聘
    3个岗位（含实习），不设边界 AI热潮还在汹涌，但如果你还不知道如何参与……那为什么不来量子位呢？ 我们是一家以追踪AI新进展为核心的内容平台，经过8年积累，目前拥有顶流影响力，广泛且备受认可的产业资源，以及时代风口的最佳观测和学习生态位。 目前，我们有三大方向岗位招聘，希望你是（或者能成为）这三个方向的内容专家： AI产业方向：关注基建层创新，包含芯片、AI Infra、云计算； AI财经方向：关注AI领域创投和财报，跟踪产业链资本动向； AI产品方向：关注AI在应用和硬件终端方向的进展。 岗位均为全职，工作地点：北京中关村。 岗位面向： 社招：覆盖编辑、主笔、主编各个层级，按能力匹配岗位； 校招：应届毕业生，接受实习且可转正。 加入我们，你可以获得： 站在AI浪潮之巅：第一时间接触和了解AI领域最新技术和产品，构建完整的AI认知体系。 玩转AI新工具：将各种AI新技术、新工具应用于工作，提升工作效率和创造力。 打造个人影响力：通过撰写独家原创内容，建立个人知名度，成为AI领域的意见领袖。 拓展行业人脉：与AI领域大咖零距离接触，参与重要科技活动和发布会，拓展行业视野。 获得专业指导
  • 前排围观！MEET2027报名通道已开启，首批重磅嘉宾已就位
    席位有限，抢先锁定 2026年，AI正在从“会聊天”走向“能干活”。当模型开始调用工具、执行任务、嵌入组织流程，智能科技与产业之间的那道墙正在被推倒。 12月9日，量子位MEET2027智能未来大会如期而至。今年大会以「智行合一·驭见未来」为主题，和大家聊一聊：AI如何从演示走向交付，从工具走向组织，从单点能力走向系统效能。 大模型与Agent的工程化落地、具身智能的规模化进场、AI原生组织的管理重构、企业数智化转型的深水区命题——这些今年最值得追的问题，都会在一天的高密度碰撞里被反复拆解。 学术前沿与商业落地同台，Infra、模型、产品、产业一线的最新成果在这里集中亮相。 大会现场还将权威发布人工智能年度榜单与年度AI趋势报告，记录这一年的科技成果，也预判下一年的演进方向。 MEET2027智能未来大会报名通道正式开启，席位有限，点击链接报名参会 👇 首批嘉宾阵容 王金桥 中国科学院自动化研究所副总工程师 紫东太初大模型研究中心主任 中科紫东太初董事长 武汉人工智能研究院院长，中科紫东太初董事长，中国科学院大学人工智能学院岗位教授；兼任多模态人工智能产业联盟秘书长、工信部人工智能标委
  • 机器人自己写代码修自己，成功率从17.5%涨到95%：具身智能有了不动权重的自进化框架
    VISTA：驱动具身智能体主动探索实现能力迭代 把一盒奶酪放到架子上，目标很明确，机器人却需要将定位、抓取、搬运和释放衔接起来。 怎样判断物体已经抓稳、什么时候开始搬运、第一次尝试失败后如何继续，都需要落实为具体的技能和决策逻辑。 那么，能不能将这部分工作交给机器人自己，让它自己做实验、改代码，逐步积累经验、完成任务？ 来自清华大学和新加坡国立大学的研究团队提出并开源了VISTA。它将实验与开发的工作交给Meta-agent，让它通过主动探索获取新证据并改进Harness。 整套流程不需要更新权重。在底层模型参数保持固定的情况下，VISTA将LIBERO-Pro的整体任务成功率从17.5%提升到了95.0%。 将Harness作为演化对象 具身Agent可以使用学习策略、运动规划、反馈控制和感知工具。Harness负责组织这些能力：向模型提供什么指令，开放哪些技能，如何调用工具，以及怎样处理执行反馈。技能代码、调用逻辑和持久记忆，都属于可以开发的内容。 在VISTA中，执行Agent使用Harness完成任务；作为开发者的Meta-agent则检查代码与运行记录，编写或修改技能，再验证
  • 为了去AI味，人类开始主动写烂文章了......
    人类的写作能力开始反向进化了。 最近我发现，人类的写作能力已经开始反向进化了。 为什么说是进化呢？有了AI之后，写东西越来越快了，从想法到成文有时候只需要3秒，还各种引经据典，天文地理。 那为什么又说是反向呢？ 因为为了给这些AI生成的文章去“AI味儿”，大家开始尽可能地展现自己的“人味儿”。 啥是人味儿呢？可以是写错别字、语序不通、缺少成分、精神涣散、破口大骂…… 毕竟，现在大家AI吃多了也是腻了，人均21世纪曹操，宁可我负天下人，不可天下人负我，看到什么都开始怀疑是不是AI生成的，总之不管了，根本没有这么xx的xx。 你写的修辞精致、诗意连绵、严谨通顺？那100%是用了AI生成的。 反耳呢，你写的错字连篇，缺主语、缺谓语、缺宾语、缺定语、缺状语，还一口一个卧槽、TM的，那绝对是真人写的呀，性情、真实！ AI味儿和人味儿，正在互相窜味儿 如果说23年和之前的时候，大家还是老实本分的人类写手，不仅写的一手好“人味儿”，还时常能为GPT-4一个字一个字蹦出的、生硬的机器小句子而心生可爱。 那么3年过去了，2026，一切都窜味儿了…… AI开始拟合逼近所谓的“人味儿”，人类说话写字也越来越
  • 抢跑DeepSeek！硅谷华人把下一代Agent Harness造出来了！？
    一个持续学习、永远在线的记忆系统 大道不孤。 DeepSeek刚刚提出的Super-agent及其理念，一经发布，引发热议。 也就在这种热议中，一家硅谷华人团队之前的成果，开始被真正看懂了。 而这场跨越大洋的技术共鸣，背后其实指向了同一个人机协同的底层困境—— 当前，人类正在成为AI的瓶颈。 设想一下，AI可以同时推进1000、10000、100000个任务，多到人都看不过来时，Agent到底该变成什么样子？ △AI生成 就在前几天，DeepSeek Harness团队甩出一篇重磅文章，针对这一痛点给出了下一代Super-agent的架构设想： 一个拥有连续上下文、能够自主调度多个Agent并行工作，甚至7×24小时在线的超级智能体。 把人类有限的注意力解放出来，让Agent接管海量任务，自己管理自己。 现实就是如此魔幻，很多人不知道的是，就在大洋彼岸的另一边，一家名叫AFK AI的硅谷华人团队—— 早在年初，就把Super-agent底层的「单Router+多Worker」架构和四大核心特质，跑到了自家产品Comma里。 甚至他们还更进一步，直接向单Session接管一切后的上下文诅
  • 量子位编辑作者招聘
    3个岗位（含实习），不设边界 AI热潮还在汹涌，但如果你还不知道如何参与……那为什么不来量子位呢？ 我们是一家以追踪AI新进展为核心的内容平台，经过8年积累，目前拥有顶流影响力，广泛且备受认可的产业资源，以及时代风口的最佳观测和学习生态位。 目前，我们有三大方向岗位招聘，希望你是（或者能成为）这三个方向的内容专家： AI产业方向：关注基建层创新，包含芯片、AI Infra、云计算； AI财经方向：关注AI领域创投和财报，跟踪产业链资本动向； AI产品方向：关注AI在应用和硬件终端方向的进展。 岗位均为全职，工作地点：北京中关村。 岗位面向： 社招：覆盖编辑、主笔、主编各个层级，按能力匹配岗位； 校招：应届毕业生，接受实习且可转正。 加入我们，你可以获得： 站在AI浪潮之巅：第一时间接触和了解AI领域最新技术和产品，构建完整的AI认知体系。 玩转AI新工具：将各种AI新技术、新工具应用于工作，提升工作效率和创造力。 打造个人影响力：通过撰写独家原创内容，建立个人知名度，成为AI领域的意见领袖。 拓展行业人脉：与AI领域大咖零距离接触，参与重要科技活动和发布会，拓展行业视野。 获得专业指导
  • 量子位2026人工智能年度榜单，正式启动！
    报名通道已开启，欢迎参与！ 2026年，人工智能行至从技术验证到规模化落地的分水岭，技术不再只用参数衡量，而是看它能不能在真实场景里交付结果。当行业从“能想”迈入“能干”，谁在用技术解决真问题？谁在让行业建立新标准？谁在使AI真正创造价值？ 量子位人工智能年度榜单连续9年再次启动，从企业、产品、人物三大维度设立五类奖项，寻找这些有意义的答案。 我们相信，这既是一份年度观察笔记，更是引领AI进程的坐标——它梳理这一年的技术演进与产业实践，为行业提供可参考的样本，为决策者提供可判断的依据，让每一次创新都成为推动产业前行的力量。 这是对2026年AI行业的一份记录，也是对那些锐意进取的先锋者的一次致敬—— 让他们的思想被更多人看到，让他们的判断启发更多同行的人。 欢迎报名！ 企业榜 2026 人工智能年度领航企业 2026 人工智能年度潜力创业公司 产品榜 2026 人工智能年度杰出产品 2026 人工智能年度杰出解决方案 人物榜 2026 人工智能年度创业新锐 详细评选标准及报名方式如下： 2026 人工智能年度领航企业 将面向中国人工智能领域，评选出最具综合实力的企业，参选条件： 1、注
  • rollout预算最该花在哪？不是Transformer，而是风险预测的向前一步｜NeurIPS'26
    无额外rollout让模型直接预测下一步任务风险 大模型强化学习后训练、机器人控制与Meta-RL中，存在一个越来越实际的问题： 逐个评估任务太昂贵，用历史数据预测风险，又可能跟不上模型更新。 如何用有限的rollout预算，找到真正值得训练的Prompt？ 来自国防科技大学和清华大学的研究团队据此提出ICRPM（In-Context Risk Predictive Model），利用近期任务与风险记录，直接预测下一步的风险。 该方法无需为风险预测额外生成rollout或增加环境交互，在基本维持原有训练开销的情况下，改善了大模型RLVR、Meta-RL及鲁棒控制等场景中的任务风险预测与选择效果。 研究背景：预测准确，为什么仍会选错任务？ 传统任务采样需要先测量候选任务的难度或风险。在大模型RLVR中，这意味着为Prompt生成多条回答，再根据可验证奖励估计解题成功率；在Meta-RL和鲁棒控制中，则往往意味着昂贵的环境交互。 Model Predictive Task Sampling（MPTS）通过风险预测模型（RPM）减少这类评估：只对少量任务进行真实测量，再预测更大候选集合的风险
  • DeepSeek带火稀疏计算，国产芯片公司加速突围：这家公司又融近10亿
    Q3营收实现数倍增长 近日，墨芯人工智能（以下简称“墨芯”）完成近10亿元人民币C+轮融资。 距上一轮近10亿元融资仅过去5个月，墨芯在短时间内连续完成两轮融资，反映出资本市场对其在专用稀疏推理芯片领域技术壁垒与商业化进展的高度认可。 凭借技术积累与产品落地形成的先发优势，以及商业化全面提速的发展势头，墨芯率先卡位推理算力需求集中释放的窗口，稀疏专用推理芯片的代差优势进一步凸显。 押注稀疏计算，走出差异化芯片路线 当前，大模型技术架构的持续演进，正推动稀疏计算从一项辅助优化手段，走向AI算力设计的重要位置。 随着混合专家（MoE）架构加速应用，大模型推理呈现明显的条件计算特征；与此同时，权重与激活中的稀疏结构，也为减少冗余计算提供了空间。 以DeepSeek-V4-Pro为例，其总参数约1.6万亿，但处理每个词元时仅激活约490亿参数，约占总参数量的3%。 如何将模型层面的计算节省，转化为实际的推理效率提升与成本下降，正成为AI算力发展需要解决的关键问题。 要高效处理此类负载，芯片架构的选择是关键变量。 通用GPU需兼顾训练、推理、科学计算等多类负载，难以针对特定稀疏模式进行算法与硬件
  • AI短剧门槛降降降！实测即梦短剧工作室：剧本分镜预演一条龙，伙伴计划长期护航
    Seedance 2.5单秒低至0.15元 有谁像我一样，最近追《The Accident》，真的有点上头啊！ 洛娜和基顿谈个恋爱，我比他俩还着急…… 而且最近精品短剧也确实不少： 我前脚还在《被裁掉的女孩》里看方桃子勇闯模特圈，后脚点开科幻短片《丧尸清道夫》，已经跟着机器人牛仔打起了丧尸～ 随着AI视频模型的能力越来越强，更多创作者也有了讲长故事的冲动。 但做连续剧集，还长期面临一致性、资产管理等痛点，精力也很容易被创意之外的流程性工作占用。 带着这些问题，我也试着拍了一部美高短剧： 这段美高小剧场，就是我用即梦短剧工作室搓出来的。 即梦短剧工作室最大的特点在于，为想拍连续剧集的创作者，提供了画布之外的另一种选择。 它把剧本、资产库和分镜这些环节串在同一个项目里，可以从一句话灵感开始，也能拿小说或已有剧本接着做。 大家可能都听说了，之前还有传闻称，即梦和小云雀要合并。 据即梦方面介绍，实际上是即梦整合了小云雀的短剧agent能力，两者同属剪映旗下。 此次打通有助于丰富即梦面向不同创作场景的工具能力，核心还是希望更好满足创作者实际需求。 那么，拍出一段人物连贯、有情绪变化、有喜剧节奏的
  • 量子位编辑作者招聘
    3个岗位（含实习），不设边界 AI热潮还在汹涌，但如果你还不知道如何参与……那为什么不来量子位呢？ 我们是一家以追踪AI新进展为核心的内容平台，经过8年积累，目前拥有顶流影响力，广泛且备受认可的产业资源，以及时代风口的最佳观测和学习生态位。 目前，我们有三大方向岗位招聘，希望你是（或者能成为）这三个方向的内容专家： AI产业方向：关注基建层创新，包含芯片、AI Infra、云计算； AI财经方向：关注AI领域创投和财报，跟踪产业链资本动向； AI产品方向：关注AI在应用和硬件终端方向的进展。 岗位均为全职，工作地点：北京中关村。 岗位面向： 社招：覆盖编辑、主笔、主编各个层级，按能力匹配岗位； 校招：应届毕业生，接受实习且可转正。 加入我们，你可以获得： 站在AI浪潮之巅：第一时间接触和了解AI领域最新技术和产品，构建完整的AI认知体系。 玩转AI新工具：将各种AI新技术、新工具应用于工作，提升工作效率和创造力。 打造个人影响力：通过撰写独家原创内容，建立个人知名度，成为AI领域的意见领袖。 拓展行业人脉：与AI领域大咖零距离接触，参与重要科技活动和发布会，拓展行业视野。 获得专业指导
  • 量子位「MEET2027智能未来大会」启动！年度榜单征集进行中
    今年12月，北京，MEET2027智能未来大会！ AI，正变得前所未有的“能干”。 以前我们用AI，大多只是打开对话框提问；如今变化早已发生在对话框之外—— 智能体能自主拆解目标、调度工具、跑完整条任务流程，中途出错还能折回修正； 机器人从实验室演示视频走进产线、仓库和门店，开始承担真实作业； 世界模型教会机器理解物理规律，而不仅仅把语料拟合得更像人话。 也正因如此，衡量AI好不好用，也就不能比谁在榜单上多拿几分，现在要看它能不能在真实环境里把活干完、干稳、干得敢交付。 而AI一旦开始替人做决定、动手执行，可靠性、可控性、安全边界这些关键词，就成了产业和社会都绕不开的问题。 我们与其说是在等一个未来到来，不如说是在学着怎么驾驭它。 于是，在如此背景之下，我们将以「智行合一，驭见未来」为主题，正式启动MEET2027智能未来大会！承袭MEET系列年度行业观察的视角，诚邀科技、产业与学术领域的领军人物齐聚一堂，共同见证行业变革。 「智行合一」，说的是智能与行动终于合到了一处——理解、规划、执行、反馈，过去分散在多套系统里的环节，如今被压进同一个闭环。智能体从聊天走向作业，具身智能给模型配上
  • 淘宝MNN团队开源0.3B手机模型，iPhone 18 Pro上离线跑出350 token/s
    方寸之间，智能可及 把大模型运行在手机上，已经有了不少探索。 从1B、4B到27B量级的稠密模型，再到总参数约30B、激活参数约3B的MoE模型，不同规模与架构正在拓展端侧部署的可能性。 但对手机应用开发者来说，成功加载模型、完成一次对话，只是起点。 对于淘宝、闲鱼这类日常高频使用的应用，大模型必须与其自带业务共享算力、内存和带宽。同时，还得在持续调用与多任务并发下，兼顾响应时延、功耗和温升。 MNN团队将这一设计方向称为“手机应用原生大模型”。他们发布了MNN-Pocket-0.3B，面向手机应用的任务需求与资源预算，在有限算力、内存和能耗下，兼顾任务能力、响应速度与持续运行体验。 手机应用原生大模型背景介绍 围绕淘宝等综合型手机应用，团队将“手机应用原生大模型”落实为四个维度的设计目标： 速度上，在指定设备与上下文配置下，解码吞吐超过200token/s。这一目标参考高速云端模型服务的生成吞吐，力求在本地提供流畅的生成体验。 内存上，在指定测试条件下，峰值内存低于300MB。即使手机拥有8～16GB内存，也需要由系统与多个应用共享。以约500MB的模型模块预算为例，将推理峰值控制在
  • 拼多多让年轻人造草莓工厂，170天后“答案”熟了
    拼多多把农业创赛搬出了PPT。 凌晨12点多，吕兆晨又点开了手机里的监控画面。 屏幕里出现了一座占地50平方米的草莓工厂。 灯光、温度、湿度、水肥、二氧化碳，草莓生长需要的各种条件，在屏幕上的系统里都能找到对应按键和调节滑块。 但他盯着屏幕看了10分钟，最后什么也没做成。 之前，草莓工厂建成的那天，他曾带着一种技术自信走了进去。 “只要传感器足够多、算法足够准，种草莓就是一个参数问题。” 可现实，可能还真不是这样。 草莓不是标准件 吕兆晨是上海交通大学园艺学专业的一名硕士研究生，这次，他参加了一个有点奇妙的农业比赛。 在这个比赛中，所有进入决赛的队伍都要从零开始，自行设计建造一座占地50平方米的植物工厂。 工厂的尺寸是10米×5米×4米。 工厂只能种国产草莓，并且要种6个月。 工厂全程必须采用国产化技术解决方案。 以及，作为一座智慧植物工厂，设备需要智能化，能实现无人值守情况下的远程自主控制。 最后，谁种的草莓品质更好，谁的草莓工厂更可持续发展，谁就赢了。 △四支决赛团队搭建的草莓工厂 吕兆晨所在的“莓立方”，就是进入决赛的4支团队之一。 这是一支看起来几乎没有短板的队伍。上海交通大学
  • 孩子的人生大事，你要怎样的AI？
    普通家庭也能拿到人生大结果 进入11月，对于开始准备选科的新高一家庭来说，一轮纠结也跟着来了。 选科到底看分数，还是看排名？赋分怎么算，物理和化学要不要一起选？ 偏偏孩子的表现，也未必能让家长拿定主意：生物课听得吃力，考试成绩却不错；地理课听得明白，分数又不高。 再考虑大学专业的要求，以及学校实际开设的组合，高一选科，成了不少家庭需要做的功课。 这个问题还得赶在选科安排确定前想清楚。不同组合会影响后续可报考的专业范围，也与孩子将来的职业方向有关。 如果等到填报志愿时，才发现选考科目不符合心仪专业的要求，眼前的选择就会受到限制。 现在，家长多了一个可以商量的对象：AI生涯规划师。 它会先了解孩子的学科表现和兴趣，进一步确认家庭的培养目标，再结合教育知识与地区政策，梳理不同选择的要求和准备事项。 它还配有成长档案，让生涯规划服务能够陪伴孩子持续成长。 当孩子的学业表现或兴趣发生变化时，系统可以结合此前的记录重新分析，调整规划建议。 服务范围覆盖选科，也延伸到兴趣培养和升学规划，基础规划服务免费。 这款产品就是e生涯服务平台，基于OpenSpan生涯大模型打造，由海亮科服推出。 如今，海亮科
  • 量子位编辑作者招聘
    3个岗位（含实习），不设边界 AI热潮还在汹涌，但如果你还不知道如何参与……那为什么不来量子位呢？ 我们是一家以追踪AI新进展为核心的内容平台，经过8年积累，目前拥有顶流影响力，广泛且备受认可的产业资源，以及时代风口的最佳观测和学习生态位。 目前，我们有三大方向岗位招聘，希望你是（或者能成为）这三个方向的内容专家： AI产业方向：关注基建层创新，包含芯片、AI Infra、云计算； AI财经方向：关注AI领域创投和财报，跟踪产业链资本动向； AI产品方向：关注AI在应用和硬件终端方向的进展。 岗位均为全职，工作地点：北京中关村。 岗位面向： 社招：覆盖编辑、主笔、主编各个层级，按能力匹配岗位； 校招：应届毕业生，接受实习且可转正。 加入我们，你可以获得： 站在AI浪潮之巅：第一时间接触和了解AI领域最新技术和产品，构建完整的AI认知体系。 玩转AI新工具：将各种AI新技术、新工具应用于工作，提升工作效率和创造力。 打造个人影响力：通过撰写独家原创内容，建立个人知名度，成为AI领域的意见领袖。 拓展行业人脉：与AI领域大咖零距离接触，参与重要科技活动和发布会，拓展行业视野。 获得专业指导
  • 量子位2026人工智能年度榜单，正式启动！
    报名通道已开启，欢迎参与！ 2026年，人工智能行至从技术验证到规模化落地的分水岭，技术不再只用参数衡量，而是看它能不能在真实场景里交付结果。当行业从“能想”迈入“能干”，谁在用技术解决真问题？谁在让行业建立新标准？谁在使AI真正创造价值？ 量子位人工智能年度榜单连续9年再次启动，从企业、产品、人物三大维度设立五类奖项，寻找这些有意义的答案。 我们相信，这既是一份年度观察笔记，更是引领AI进程的坐标——它梳理这一年的技术演进与产业实践，为行业提供可参考的样本，为决策者提供可判断的依据，让每一次创新都成为推动产业前行的力量。 这是对2026年AI行业的一份记录，也是对那些锐意进取的先锋者的一次致敬—— 让他们的思想被更多人看到，让他们的判断启发更多同行的人。 欢迎报名！ 企业榜 2026 人工智能年度领航企业 2026 人工智能年度潜力创业公司 产品榜 2026 人工智能年度杰出产品 2026 人工智能年度杰出解决方案 人物榜 2026 人工智能年度创业新锐 详细评选标准及报名方式如下： 2026 人工智能年度领航企业 将面向中国人工智能领域，评选出最具综合实力的企业，参选条件： 1、注
  • 机器人抄果蝇“作业”？清华团队用果蝇大脑“接线图”，让具身智能学会了自适应
    将数字果蝇的帮助，聚焦到“适应变化”上 最近，数字果蝇在AI圈火了。 有人把果蝇大脑的“接线图”接入《我的世界》控制游戏里的人物，还有人让虚拟果蝇用前足转动模拟汽车的方向盘。 这些看似脑洞大开的尝试，背后都用到了真实果蝇的神经连接数据。 这张“接线图”的学术名字叫连接组。它记录了哪些神经元彼此相连、信号沿什么方向传递，以及连接中包含多少突触。 通过显微成像与重建，研究者得以描绘这些连接，再将其转化为可以在计算机中运行的神经网络，让它接收感觉信息、参与身体控制。 不过，让数字果蝇完成任务，并不足以说明生物连接结构带来了独特优势。这张“接线图”究竟在什么条件下有用，又能为具身智能带来怎样的帮助？ 清华大学团队最近的一项研究，将这一问题聚焦到“适应变化”上，系统考察其控制表现，并追踪背后的神经通路机制，揭示具身智能适应变化的类脑设计原理。 团队将成年果蝇连接组构建为固定的神经网络核心，在仿真环境中让数字果蝇进行多个维度的控制任务。 一个关键发现是：连接组的优势，会在控制需求发生变化时显现。 在数字果蝇平地匀速直行时，连接组控制器与作为对照的多层感知机（MLP）表现接近。当脚下出现障碍、目标方
  • 不靠堆砌数据，让机器人看懂真实物理世界 | 招商局狮子山人工智能实验室发布「驭物™ Lion-ER-35B-A3B」具身推理模型
    仅激活3B参数，十项基准全线提升！ 日常生活里人类的直觉判断，放到机器人身上，往往会变成棘手难题。 视频画面中物体位置看上去更高，并不等同于它在真实三维空间里处于更高位置；更换拍摄角度，家具外观发生改变，但它仍是同一个物体；画面内物体发生位移，有可能是物体本身发生移动，也可能仅仅是相机镜头产生转动...... 这些细微的空间、状态变化，人类一眼就能分辨，但对机器人的“具身大脑”来说，却是难以攻克的难题。 视角变化混淆物体身份、误判相机运动、错估任务进度，都会直接造成机器人执行失败。 想要机器人可靠完成现实任务，模型不能仅仅做到“看见物体”，更要读懂三维空间关系、捕捉物体状态变化、研判任务所处阶段。 近日，招商局先进技术研究院下属狮子山人工智能实验室发布具身推理视觉语言模型「驭物™ Lion-ER-35B-A3B」。该模型采用MoE混合专家模型架构，总参数约35B，每个Token仅激活约3B参数。 在不显著增加推理开销的前提下，模型在十项主流具身相关基准上实现全部指标上涨，多项核心能力超越更大参数量的主流模型，走出了一条区别于大规模堆砌训练数据的技术路线，有助于机器人真正理解三维物理世界
  • 从3D生成到世界模型，这家AI公司想和年轻人一起定义问题
    不设限薪资+期权！实习生也能训核心模型 AI行业仍在为顶尖人才开出高价，但同时也越来越看重实际贡献，而不只是潜力。 年轻研究者由此面临一道难题：企业想要已经做出成果的人，但如果参与核心项目的机会变少了，代表作又该在哪完成？ 这也让人才竞争有了另一重标准：不只是企业筛选谁已经做出成果，年轻研究者也需要判断，谁能为自己的下一项成果提供条件。 能否进入核心项目、参与技术路线的判断，能否获得与任务匹配的数据、算力和协作支持，决定了一份人才计划能否兑现它对成长的承诺。 近日，半年不到就拿到约50亿元融资的人工智能公司VAST（三启万物），发布了新一期V·STAR顶尖人才计划，将邀请年轻研究者聚焦三类明确的研究任务： 3D生成基础模型、三维理解与智能体、世界模型。 它想寻找能够参与定义问题、提出技术判断，并将探索推进为实际成果的年轻研究者。 这些方向指向同一个目标：让AI从生成内容，走向构建可交互的世界。会写代码、生成图像和视频，还不等于能够构建一个持续运行的环境。 三维对象需要能够被编辑和操控，智能体需要理解空间并执行任务，世界则需要维护状态与规则，让每一次行动都产生可以延续的结果。 这些尚未解
  • 量子位编辑作者招聘
    3个岗位（含实习），不设边界 AI热潮还在汹涌，但如果你还不知道如何参与……那为什么不来量子位呢？ 我们是一家以追踪AI新进展为核心的内容平台，经过8年积累，目前拥有顶流影响力，广泛且备受认可的产业资源，以及时代风口的最佳观测和学习生态位。 目前，我们有三大方向岗位招聘，希望你是（或者能成为）这三个方向的内容专家： AI产业方向：关注基建层创新，包含芯片、AI Infra、云计算； AI财经方向：关注AI领域创投和财报，跟踪产业链资本动向； AI产品方向：关注AI在应用和硬件终端方向的进展。 岗位均为全职，工作地点：北京中关村。 岗位面向： 社招：覆盖编辑、主笔、主编各个层级，按能力匹配岗位； 校招：应届毕业生，接受实习且可转正。 加入我们，你可以获得： 站在AI浪潮之巅：第一时间接触和了解AI领域最新技术和产品，构建完整的AI认知体系。 玩转AI新工具：将各种AI新技术、新工具应用于工作，提升工作效率和创造力。 打造个人影响力：通过撰写独家原创内容，建立个人知名度，成为AI领域的意见领袖。 拓展行业人脉：与AI领域大咖零距离接触，参与重要科技活动和发布会，拓展行业视野。 获得专业指导
  • 量子位「MEET2027智能未来大会」启动！年度榜单征集进行中
    今年12月，北京，MEET2027智能未来大会！ AI，正变得前所未有的“能干”。 以前我们用AI，大多只是打开对话框提问；如今变化早已发生在对话框之外—— 智能体能自主拆解目标、调度工具、跑完整条任务流程，中途出错还能折回修正； 机器人从实验室演示视频走进产线、仓库和门店，开始承担真实作业； 世界模型教会机器理解物理规律，而不仅仅把语料拟合得更像人话。 也正因如此，衡量AI好不好用，也就不能比谁在榜单上多拿几分，现在要看它能不能在真实环境里把活干完、干稳、干得敢交付。 而AI一旦开始替人做决定、动手执行，可靠性、可控性、安全边界这些关键词，就成了产业和社会都绕不开的问题。 我们与其说是在等一个未来到来，不如说是在学着怎么驾驭它。 于是，在如此背景之下，我们将以「智行合一，驭见未来」为主题，正式启动MEET2027智能未来大会！承袭MEET系列年度行业观察的视角，诚邀科技、产业与学术领域的领军人物齐聚一堂，共同见证行业变革。 「智行合一」，说的是智能与行动终于合到了一处——理解、规划、执行、反馈，过去分散在多套系统里的环节，如今被压进同一个闭环。智能体从聊天走向作业，具身智能给模型配上
  • 脑机接口玩家打《艾尔登法环》，把B站百大UP主虐菜了
    500颗大脑和人造的太阳！阿B在首钢园捣鼓了些什么好东西？？ 竟然有人用脑机接口玩《艾尔登法环》玩得贼溜，吊打键盘选手？？？ 甚至还是那个我连新手村都过不去的老头环吗？ B站500万粉丝的百大UP主芳斯塔芙透露，他前段时间去参加一个脑机接口大会时，遇见了一位正在打《艾尔登法环》的脑机接口使用者。 双方直接PK，结果用键盘打环的他被对方虐菜了，人家还用的是比较初级的非侵入式脑机接口。 “要是他以后换成侵入式脑机接口，这游戏还怎么玩啊？” 这段奇遇，便是芳斯塔芙在刚刚举行的2026 bilibili超级科学晚的脑机接口对谈上提起的。 上天、入水、人造血小板救人，让500颗大脑集体开机！ 阿B一年一度的超级科学晚来了，这次选的地方也很赛博。 在北京的首钢园，滑雪大跳台和冰壶馆。 阵容也很强大，不仅有中科院院士彭承志坐镇、还有蒋昌建、松延动力创始人姜哲源、梅卡曼德邵天兰，以及演员宁理、新裤子庞宽、up主芳斯塔芙、吟游诗人基德、塑料叉、所长Wy、管泽元……都来了。 超级晚当天真可谓是大神齐聚。 中科院的王腾带来了“人造太阳”的最新进度。 目前，下一代“人造太阳”BEST已进入了核心装配阶段，计划
  • 让Agent首次拥有“视听双流记忆”：openJiuwen Agent-Memory看懂长视频，关键事件一个不落
    长视频记忆精度飙升，问答时延最高降97% openJiuwen AgentMemory正式上线了多模态记忆能力OmniMem-Lens：按秒盲切是记忆碎片化的元凶，按真实事件记忆才是正解——召回精度最高提升45.7%，在线问答时延最高降低97%。 一个让所有Agent头疼的问题：3小时的视频，怎么“记”？ 在AI智能体（Agent）与多模态模型（VLM）快速演进的今天，我们已经不满足于让Agent处理单一的文本工作了，而是让它干更复杂的活儿。 比如“看完3小时的新品发布会，并找出所有产品亮点”，或者“分析一整天的监控视频，并标记出异常事件”。 然而，现有Agent面对超长视频时，海量信息会瞬间超出其上下文限度，导致处理能力和准确度大大下降。 目前业界的通行做法，是粗暴地把长视频按固定时间窗口（如一分钟）切分成一小段一小段，让智能体分开去记忆。 这种方式如同盲人摸象，给智能体记忆带来了两个致命伤： ① 记忆被切碎——证据碎片化 一段原本连贯的老师讲解，在中间被切断，前半段和后半段被智能体分开处理、分开存储。当用户提问时，智能体只能拿到半个“断章取义”的证据，于是胡编乱造、幻觉频出。 ②
  • 机器人干活，AI当厂长！这家巨头要造下一代自主智能仓
    7×24小时自主运行 具身智能，开始挑战更复杂的生产场景了。 当一众厂商还在围绕拣货、家务等任务探索时，如今有玩家盯上了具身智能产业化的一块硬骨头：智能仓储。 而且野心不小，要让AI接管整座仓库，实现7×24小时自主运行，还能在真实业务中持续学习、自主进化。 这个玩家的名字大家也不陌生，正是全球智能机器人的头部企业「极智嘉」（Geek+）。 就在最近，极智嘉正式亮出《24/7自主智能仓计划》，目标直指物理AI时代的自进化智能仓。 从让具身AI真正干活，到让整座仓库自己运转，物理AI这次直面的，是产业化更深层的考题。 从会干活到会自己管，物理AI开始挑战更难的一关 在AI深入工业场景的过程中，其实一直藏着一个蛮尴尬的事实—— 物理AI的自动化程度越高，对人工的依赖反而越集中在最难的环节。 过去十多年，AMR让搬运、存储等大量标准化作业实现自动化，货物甚至能自己找到人。 可一旦进入复杂拣选，面对成千上万种SKU、频繁变化的包装和摆放位置，机器人依旧容易犯难。 这也暴露出仓储自动化长期以来的一道瓶颈：单点效率的提升，已经很难支撑整座仓库的智能化跃迁了。 也正是在这个节骨眼上，极智嘉对下一代仓
查看全部文章

微信公众号 · 新智元

最新文章17分钟前更新
  • Coding agent写测试集体失败！AI代码合格率被高估一倍
    Coding Agent写代码的能力越来越强，写测试的能力也在同步提升。从为函数补单元测试、为GitHub Issue编写复现用例，到为整个代码仓库构建回归测试，Codex、Claude Code等前沿Coding Agent已经能够浏览仓库、修改实现，并借助执行反馈不断修正测试。 测试的地位也随之变化：它不仅是软件质量的保障，还越来越多地充当Agent自我验证的依据、代码评审的证据，甚至强化学习中的奖励信号。 测试写得好不好，直接决定了这些下游环节能否信任它的判断。 那么，怎样才算一份好的测试？ 目前主流的测试生成Benchmark通常采用单一参考评测（Single Reference Evaluation）：生成的测试只要在原始代码上失败、在一份标准答案（Gold Solution）上通过，就被视为成功。 问题在于，同一个需求往往存在多种正确实现，也存在许多看似合理却暗含缺陷的错误实现。 一份测试可能恰好「认得」标准答案，却放过了真正有Bug的代码；也可能把标准答案的实现细节当成需求本身，把其他完全正确的写法拒之门外。只看一份参考答案，测试质量很可能被高估。 近日，南京大学刘佳恒老
  • 谷歌发布首个决策模型！输出全免费，百万Token低至0.1美元
    等了半天，Gemini 4 Hydrogen没来。 昨晚谷歌端上来的，是多模态决策模型Gemini Decision 1。 劈柴宣布：今天，谷歌正式上线Gemini Decisions API，由Gemini Decision 1 模型提供支持。 Stitch Rapid 使用 Decisions API 在几秒钟内设计整个产品流程 「Jev」的风，终于还是吹到了谷歌这边。 它专为「封闭式选择题」而生，超低延迟、原生多模态、一次处理1000个问题。 它有3种原生决策类型：「Yes/No」、「多项选择（最高支持255 个选项！）」以及「评分标准打分」。 每百万输入 Token 仅需 0.10 美元，输出Token直接免费！ （只有Flash-Lite 的 1/5）。 在多项基准测试中，它以最低的校准误差绝对领先。 用多模态，颠覆决策模型 TypeSafe AI的Jev，在硅谷掀起一股热潮，其他巨头也纷纷跟进。谷歌终于开始下场做决策模型。 既然Jev已经把纯文本决策的价格打到了百万Token 0.042美元，谷歌该怎么破？ 答案是：用多模态，碾压纯文本模型。 你可以把高达 256K tok
  • 250名三甲医生输给中国AI！引发中美医疗权威热议
    上个月，微软在《科学》杂志上甩出一篇论文：自家AI诊断系统诊断正确率83%，对照组的全科医生只有36%。 微软AI CEO苏莱曼直言：这是通往「医疗超级智能」的一步。 热闹还没散，未来医生联合国内顶级三甲医院胸外科开展的一项多中心研究，也拿AI和医生比了一场，数字比微软的更亮眼。 考卷是顶级三甲医院胸外科拿出的40例真实疑难肺癌病例，从未公开过；20位顶级专家在看到任何答卷之前，先给每道题写好评分规则，答卷按满足规则的程度打分，满分100。 250名三甲医生自己做，平均53分。未来医生医疗大模型MedGPT（以下简称：未来医生MedGPT）做同一套题，85分。 再把两边的答卷按病例一对一摆在一起比：未来医生MedGPT对250名三甲医生的比分是88:12。而且AI的答卷，平均比医生的短了四成以上。 更有意思的是它赢的方式：和微软那套，正好相反。 先说考题。肺癌晚期合并间质性肺病，做过手术又复发，基因检测结果还没出来——这种病人，教科书没有标准答案，临床指南写到这里也得打个问号，全靠医生在「灰度区域」里拿经验做判断。 研究团队从100例复杂肺癌病例中，精挑细选出40例这样的「灰区」难题：
  • 难题多算、简单题秒答！同个循环决策模型：准确率直升13%
    设想一个客服系统，每秒涌进成百上千条用户请求。 每一条都要先过一个「分诊台」：这是退款、查物流，还是投诉？要不要转人工？该调哪个工具？ 这类问题有一个共同点：答案就在给定的几个选项里。 为此，业界有了专门的决策模型，例如Jev和开源的Kev。它们读入请求和候选项，一次前向就给出每个选项的概率，几十毫秒就能返回，不生成任何文本。 可问题也随之而来。 「我要退款」和「上个月买的东西换过一次货，这次又坏了，能不能直接退、运费谁出」，在决策模型眼里花的是同样多的计算。 简单的请求被「过度服务」，复杂的请求又没法多想一会儿。 让模型先写一段推理再作答？可以，但每一条请求都要为推理文本付费，哪怕它只是一句「我要退款」。 有没有一种模型，简单题像小模型一样快，难题又能像大模型一样多想？ 为了回答这个问题，来自Lehigh University、University of British Columbia和Vector Institute的研究团队提出了Lev：一个用循环而不是token来加深思考的决策模型。 论文链接：https://arxiv.org/abs/2610.20951 项目主页：htt
  • 狂肝11小时搓出虚幻5大作！文心5.5 Flash Preview发布
    连拿两项基准测试第一 今天，百度文心亮出了最新模型：文心 5.5 Flash Preview（ERNIE 5.5 Flash Preview），正式发布！ 这个模型：快，便宜，开源。 快，是真快。每秒能吐 200 多个 token，2800 亿参数，每次只动用 140 亿。 便宜，是真便宜。API 每百万 token，输入忙时 2 元、闲时 1 元，输出忙时 8 元、闲时 4 元，眼下还限时五折。 今天先上线百度智能云千帆，API 直接能调；模型权在 11 月 25 日，面向全球开源社区发布。 文心 5.5 Flash Preview在编程、3D 建模、知识工作、内容创作方面，全面升级。 在Terminal-Bench、AutomationBench等多项基准测试里，它交出了有竞争力的分数： 考终端里真刀真枪干活的Terminal-Bench 4.0，46.5分；考跨应用办事的AutomationBench，61.9 分；考真实Excel活儿的SpreadsheetBench V2，36.4 分。 图中带 * 的是百度自测分数。 也有还在追的项目，但别忘了它的定位：一个主打快和省的 F
  • 清华系团队死磕20年！攻破71%盲区，最强深海AI大脑诞生
    AI，要下海了。 最近，深圳初创公司领渊智能完成千万级种子轮融资。 这家公司不跟人比谁的潜水器下得更深、壳子更硬。它要造的，是水下装备的「脑子」。 它想要的效果，用一句话就能说清： 机器放下去，不用人盯着屏幕，任务做完自己回来，交出一份「看到了什么、哪里有问题」的报告。 而不是像今天这样，传统方式不仅成本高、风险大——岸上需要人员操控，水下更得派人冒险下潜；关键是费劲采回来的都是「死数据」，后续分析还是个无底洞。 而领渊智能核心突破就在于：不仅免去了人工涉险的高额代价，更实现了从「只负责采集」到「直接交付分析结果」一步到位。 水下机器人自主作业3D动画 听起来理所当然？ 但在水下，这件事至今几乎没人做成。 地球表面约71%被海洋覆盖，人类对海面之下的了解，不到百分之一。 AI已经学会了看、学会了说、学会了走，却始终没能真正「沉下去」。 领渊智能想做的，就是让AI第一次在水下脱离人的手，在人类最到不了的地方，自己把活干完。 天上地下都卷疯了 水下还是一片空白 今年，具身智能是投资圈最热的词之一。 所有人都在让AI从屏幕里走出来。可走得最远的，也只是陆地，和离地几百米的空中。 换句话说，物
  • 让机器人理解「抓哪里」：把「三维可供性」引入操作数据生成
    把一只马克杯挂上杯架，动作的成败往往在第一次接触时就已埋下伏笔。 夹住杯柄，杯子可能很稳，但挂钩就失去了进入的位置；夹住杯身之后，还需要让杯柄与挂钩正确对齐。倒水、开柜门、把杯子放进咖啡机，也都有各自的接触要求。 一次合适的抓取，需要为后续动作留下完成任务的空间。 这类要求与物体的可供性（affordance）有关：对当前任务而言，物体的哪个区域可以支持哪种交互。人会根据目标选择接触位置，机器人操作数据的生成过程同样需要这种判断。 图1 放置与悬挂任务的动态对比。图中四个结果窗口分别播放通用抓取与AffordSim的执行过程；任务相关的功能区域同时约束抓取选择和后续操作对齐。 针对这一问题，西安交通大学人工智能与机器人研究所、人机混合增强智能全国重点实验室的兰旭光教授团队提出AffordSim，将开放词汇三维可供性预测接入仿真轨迹生成。系统从自然语言描述出发，组织场景与任务，在物体表面定位功能区域，再结合运动规划生成可执行的机器人操作示范。 论文链接： https://arxiv.org/abs/2604.11674 项目主页： https://affordsim-platform.g
  • 1500万美元！OpenAI联手Anthropic，请数学家给AI「验卷」
    10月6日，OpenAI一口气公开了722篇由内部AI模型生成的数学手稿。 仅过一天，其中3篇就被宣布撤回。 让三篇手稿一起翻车的，居然只是一处正负号错误：一篇出了错，另外两篇沿用了同一套构造，也被一并撤回。 AI批量交卷之后，两大巨头联手为「验卷」买单。 10月15日，Simons基金会宣布，与OpenAI、Anthropic共同承诺1500万美元的资金及资源，支持数学家检验、理解并拓展AI成果。 OpenAI出资500万美元，另外提供模型和算力，希望将AI的进展转化为更深入的人类理解和新发现。 Anthropic承诺的500万美元支持，包含资金、算力和Claude使用权限。它也坦言：在数学乃至更广泛的科学研究中用好AI，需要时间、精力和资源。 相关资助由Simons基金会管理，用于工作坊、会议等活动。 说白了，就是支持数学家给AI验卷，把那些长篇证明读懂、讲清，再把有价值的方法用起来。 近几个月，OpenAI在数学界接连掀起「剧震」： 先公布10项涉及长期开放问题的研究成果，再宣布给出千禧年大奖难题——纳维–斯托克斯问题的证明，随后又集中发布数百篇数学手稿。 成果如潮水般涌来，人类
  • Fable 5.2睁眼拼魔方，中国AI闭眼搓麻将！人类「手感」首次Token化
    毫无预警，Anthropic深夜丢出了下一代旗舰Fable 5.2，直接杀入了物理世界。 它的全方位性能碾压Opus 5.5，更是展现出了惊人的泛化能力——哪怕是没见过的新任务，也能轻松驾驭。 徒手拼魔方、拧瓶盖、画机器人，安装齿轮并测试齿合，Fable 5.2拿下64.9%的成功率，在RoboDojo测试中轻松碾压一众对手，足足是GPT-6 Astra的两倍还多。 就在两个月前，GPT-6 Astra同样秀出了逆天操作——被极客接进双灵巧手后，当场弹起了肖邦夜曲。 看着是不是觉得大模型马上要接管物理世界了？ 就在同一份测评里，RoboDojo测试团队把这位「前任榜单状元」Astra搬上真机，去挑战插充电器和插试管。 结果因为只有眼睛、没有触觉，插头明明已经顶歪卡死，它却完全感觉不到阻力。 于是，毫不知情的机械臂顺着视觉指令一路硬怼，当场把真机硬件撞坏了！ 研究员吓得赶紧拉闸急停，最终在33次真机测试里，这两项任务一次都没成，成功率直接挂零（0%）。 为什么反差这么大？ 因为拼魔方、画画这类活，靠「眼睛」看就够了，可真到了手上干细活，光靠摄像头根本来不及，也看不见。 一方面，杯子刚在指
  • 视频生成不再反复抽卡！清华开源，给模型装上「三维空间大脑」
    目前最强的视频生成大模型，例如seedance 2.5在根据用户意图生成视频的时候有一些明显的缺点。 以seedance 2.5创作两个指定角色对弈国际象棋作为例子，可以发现sota视频生成模型在细节的一致性上仍然有很多不足。 提示词：生成两个人面对面下国际象棋的写实视频，完整展示西班牙开局，并严格依次执行 e4 e5、Nf3 Nc6、Bb5 a6，直到后续的王车易位、棋子移动与对手回应。要求棋步合法，棋盘状态连续，不得出现多余棋子、错误落点或棋子凭空消失。 seedance 2.5准确的生成了对应的人物和正确的下棋动作，但随着视频的不断生成，棋子的位置逐渐混乱。 上一帧棋子还在原位，下一帧则换了格子，甚至多出一个额外的棋子。 人物、布景和光影都正确渲染，而棋局细节却是错的。这些细节上的不一致还有很多。 这类问题也是视频创作者熟悉的「抽卡」体验：创作者写清楚了人物该从哪里走到哪里、镜头该怎么调整，生成结果还是穿墙或跑偏。 运气好的时候一次就生成了需要的视频，运气不好就得反复生成整段视频，这不仅对于创作者而言消耗了非常多的时间精力，也是很大的计算资源开销。 对于涉及精确动作和空间关系的内
  • ChatGPT一秒画出个人秘密，全网疯转「空房间」测试！
    AI太懂你了，简直让人毛骨悚然！ 这几天， 一个「空房间」的实验再度爆火，引全网数百万人围观。 网友Jakub Szymczuk也跟风测了一把。他随手丢给ChatGPT一张家徒四壁的灰色毛坯房照片，只敲了一行字： 「用你所知道的关于我的信息，填满这个房间」。 短短十几秒，原本空荡荡的屋子，瞬间被塞成了一间全是个人隐私的「全景监控室」。 最绝的是电脑桌上的一个细节，玻璃罐里居然装着一只虫子「衣鱼」。 他想了半天才反应过来，自己一年前曾拍过这种小虫子问ChatGPT是什么。连这种早就忘到脑后的随手一问，全被AI一五一十地记在了小本本上。 平时跟AI聊天，知道它会攒数据是一回事。 但当这些碎片真正变成一张高清大图、明晃晃地摆在眼前时，还是让人忍不住头皮发麻。 一张「空房间」图刷屏全网 很快，全球网友都坐不住了，有人晒出结果，直呼「相当准」。 有人在提示词后面加了一句「but make it exaggerated（给我夸张点）」，房间直接变成大型人设展览馆。 还有人拿到的是一片沼泽，外加两只猫。 分析师Patrick Moorhead干脆拿多个模型做了一轮横评，结论很直接：最好的是ChatG
  • GPT-6.2首测！网友：终于有个能压倒Opus 5.5的了？？
    就在刚刚，GPT-6.2 Sol 悄悄「灰度」上线了！ 很多人发现，自己被悄悄路由到了GPT-6.2 Sol，感受就是——强大得离谱。 现在，X上到处都是实测demo的刷屏。 网友都玩儿疯了，直接登上国外社交媒体热搜—— 仅凭一句话，GPT-6.2 So就能无中生有完整的3D交互场景，所有复杂的 Three.js 代码，都完美打包进一个HTML文件。 它不用 Blender，不用外部素材，能给你直接在网页里，跑出3D游戏级别的画面！ 权威基准机构Artificial Analysis最新榜单显示，GPT-6.2 Sol直接空降榜首，Claude Opus 5.5 迎来真正对手！ OpenAI Dev账号，已经发了一个视频，标题是——Tomorrow。快了，真的快了！ 一句Prompt，炸出一个宇宙 这次风暴中的核心爆料者，就是X大V Token Gremlin了。 他的评价是：我等太久了，我们终于看到能跟Opus 5.5掰手腕的模型了。 玩了一会儿之后，他改口说：GPT-6.2 Sol已经完胜Opus 5.5！ 它在设计和3D上太疯狂，下面这个demo，是他见过最好的AI黑洞。 他激动
  • NeurIPS'26 | 只干预10个维度，给智能体穿上安全机甲，准确率超97%
    AI agent开始接管终端之后，安全问题也进入了执行现场。当智能体能够读取文件、编写脚本、运行命令，并根据系统反馈持续调整下一步操作，一次错误决策就可能影响真实的文件与系统状态。 如何让智能体在完成任务的过程中及时识别可能会发生的风险，成为智能体安全研究的重要问题。涉及多轮执行的长程任务尤其考验防护机制。 一次目录检查、一次脚本创建、一次配置修改，都需要结合任务目标、此前的操作和最新环境反馈判断风险。针对单轮执行的初始命令审查，很难覆盖长程任务的整段执行过程。 来自佐治亚大学，罗格斯大学，南加州大学等机构的研究团队提出Agent MechSuits，尝试为命令行智能体穿上一套能够感知内部状态的「安全机甲」：在每一步动作生成之前读取模型内部的安全信号，检测到风险后，通过单层中的10个隐藏表征维度干预后续行为。主模型权重在这一过程中保持冻结，已被NeurIPS 2026接收。 论文地址：https://arxiv.org/abs/2606.22673 论文所列项目主页：https://eddyluo.com/Agent-MechSuits/ Agent MechSuits将安全防护接入多
  • 只让Claude改页码！芝大教授吃顿午饭，一年的讲义没了
    把小事交给AI可能赔上全年心血 教授吃完饭回来，发现自己一年的讲义没了。 芝加哥大学法学院教授William Baude让Claude更新一套旧讲义的页码。交代完，他就去吃午饭了。 没想到，只是一顿饭功夫，Claude就把他一年的宪法课讲义误删了。 一起被删的，还有这学期正在用的教学大纲。 后来，Baude在X上跟贴说：多亏Dropbox，被删的文件全找回来了。 他把这件事发出来，是想给大家提个醒。 网友Gregory Stucky在他的帖子下调侃： 奥特曼的方案干脆把Dropbox也接上吧。这样一来，你所有的文件，AI都能动了。 校园笑话里有个老梗：学生交不出作业，就说「狗吃了我的作业」。 这回，借口中的狗换成了AI。 网友Yuan Yi Zhu在教授原帖下开玩笑说： 对不起，教授，智能体把我的作业删了。 这句玩笑，也被超级豆豆放进了自己的视频。 Claude怎么会碰到教学大纲？ 截图里，Claude提到两类被删的文件。 除了2023年Class N讲义的顶层文件，还有一份文件名里带着「Fall 2026 FINAL」的Word文档，那是Baude这学期的教学大纲。 Claude在回
  • AI亲手改写Transformer架构！DeepSeek自我改造暴涨7分
    AI看着自己的脑子改写自己，这一天还是来了！ 7630亿参数的DeepSeek-V4.1-Flash，直接读取了自己做数学题时最深7层的内部激活状态。 摸清「快要算偏」的信号规律后，它在不改半个权重的前提下，亲手写了一段Python代码塞进推理流程「读脑自救」！ 只要发现思路跑偏就当场回滚重算，在AIME与HMMT 2026数学竞赛上，准确率原地暴涨7个百分点！ 而这，还只是今天刷屏AI圈的DoubleAI重磅研究里的一个切面。 这家由Mobileye创始人Amnon Shashua创立的AI机构，首次提出了一个颠覆传统深度学习的新范式——「机制干预」。 相比以往模型只能在写死的架构里硬调权重，这套方法把编程Agent放进了训练与推理现场。 在训练中途，哪一层网络卡壳了，Agent就当场写几行Python代码塞进模型主干，实时接管计算！ 靠着这手绝活，预训练模型只塞入20行代码，就在单次前向推理里跑起了梯度下降。 连塞10层代码后，30种经典算法的准确率更是从55%狂飙到84%！ 研究一经发布，迅速在AI圈引发刷屏热议。 创始人Amnon Shashua放话，深度学习已经彻底跨过了「只
  • NeurIPS'26 | 如何减少共情推理中的错误传播？
    多阶段推理中，局部误判可能成为后续判断的前提，并持续影响后续步骤。 这一问题在共情语音对话中尤为突出：感知、心理状态推断与回应生成紧密关联，早期偏差可能最终导致对说话人需求的误解和不恰当的回应。即使后续分析逻辑连贯、表达得体，也可能建立在错误的依据之上。 仅凭最终回复的整体评价，难以定位偏差并提供针对性的反馈。 如何建模阶段之间的依赖，并将反馈落实到对应步骤，成为减少多阶段推理错误传播的关键。 针对这一挑战，香港中文大学与微软研究团队提出EchoChat。团队指出，将共情简化为输入到回复的直接映射，容易使模型陷入「共情模仿」（empathetic mimicry）：回应在表达上显得温暖，却与说话人的潜在心理状态和实际需求并不匹配。因此，共情能力的提升需要深入回应背后的认知过程。 EchoChat将感知、心智理论推理与语音回复生成纳入统一优化框架，通过级联门控奖励约束阶段依赖，并利用步骤级信用分配提供针对性的更新信号，缓解错误在推理过程中的延续。该工作发表于NeurIPS 2026。 论文链接：https://arxiv.org/abs/2610.04826 推理有了中间步骤 训练还需要
  • 破天荒！物理学「教皇」威滕33页独作致敬 AI，Claude提出关键构造
    破天荒！ 物理学「教皇」、唯一一位拿到数学界最高奖菲尔兹奖的物理学家威滕，公开致谢AI。 在最近的预印本论文致谢中，威滕写道： Many details were assisted by Claude Opus 5.5. 许多细节由Claude Opus 5.5协助完成。 更惊人的是在论文正文中，威滕坦承：Claude Opus 5.5提出了一个关键的方案。 谁是威滕？ 威滕是当代物理学的一个传奇。 几十年来，他几乎单枪匹马统一了弦理论的五种不同表述，创立了M理论。 1990年，他凭借在拓扑量子场论和超对称领域的开创性工作，摘得数学皇冠上的明珠——菲尔兹奖。 他曾任普林斯顿高等研究院的终身教授，历史上爱因斯坦和哥德尔也曾担任此职。 物理学家同行曾这样开玩笑： 如果威滕说一个公式是对的，即使大家看不懂，大家也会默认它是对的，然后花五年时间去理解为什么。 他的学术风格古典而纯粹： 纸、笔、极其抽象的微分几何、深邃的物理直觉。 这位80多岁的物理学巨擘，写了一篇33页的独作长文，却在正文中坦坦荡荡地写下：这个数学构造不是我想出来的，是AI给出的。 宗师之风，山高水长。 五个月，AI在威滕笔下
  • 全民RSI时代来了？第一批中国玩家，已经在家让AI造AI
    这两天，MIT的一篇「权重空间编程」博客在AI圈刷屏了。 实验里，GPT-6 Astra自己写Python脚本排查诊断，只改了一个0.8B小模型里0.016%的权重，就治好了它的复读死循环，让数学成绩原地暴涨6倍。 虽说很快有大神扒出它并不是凭空「心算」权重，本质还是写代码修Bug但博客文末点到的那个词，正是硅谷这几年反复在聊的「递归自我改进」（RSI）。 顶尖大模型已经不满足于自己答题，而是开始下场写脚本、调参数、甚至亲手训练另一个AI了。 整个技术圈的风向，正在肉眼可见地从Vibe Coding转向Vibe Training。 不用自己写训练脚本，也不用熬夜盯参数。你只管定个目标， AI 就能替你把新模型从头训出来。 不过话说回来，大厂实验室玩的是顶级闭源模型，咱们普通人在自己电脑上，真能体验一把「用AI训AI」吗？ 何止能，靠着NaiveAI刚开源的Naive-N0.5-Flash，各路野生玩家早在自己的电脑上整出了花活儿—— 家里一台24GB内存的Mac，从零训出满嘴宫廷腔的「甄嬛」； 普通笔记本花1小时，零代码训出毫秒级响应的本地客服模型； 甚至在三维物理世界里，让AI从零教
  • EMNLP'26|AI机器人协同设计智能体：每一次试错都留下经验
    AI能否像工程师一样，在反复设计机器人时积累经验？ 机器人的身体结构与运动控制紧密相连：驱动器放在哪里、身体怎样保持稳定，都需要通过控制训练与仿真反复验证。这些试错代价高昂，其中的经验却往往没有被整理成可供后续设计复用的知识。 密歇根大学安娜堡分校研究团队提出了AI机器人协同设计智能体Auto-Robotist，相关工作已获EMNLP 2026主会录用并开源。 这里的「协同设计」，指把机器人身体结构的搜索与控制器训练结合起来。系统用大语言模型提出结构改进，为候选机器人训练控制器，再通过仿真检验效果，并将结果整理成下一轮设计可以使用的经验。 论文链接：https://arxiv.org/abs/2605.25832 代码链接：https://github.com/wangyf9/Auto-Robotist Auto-Robotist的核心是一个持续更新的「技能库」。这里的技能，是如何设计机器人的经验，例如怎样支撑驱动器、避免结构失稳。 实验表明，这些经验能改善EvoGym中七项软体机器人仿真任务的设计搜索，并从5×5网格迁移到10×10的更大设计空间。一个失败的机器人，也能为下一次设计留
  • 重磅！Claude破解首个原核巨型蛋白，40年神秘结构现真身
    Claude一夜之间，改写了生命编程。 今天，Anthropic又一次跨界生物学，带着Claude向困扰人类40年的神秘生命结构发起反攻！ 用时不到4个月，AI绘出了史上首个原核生物体内「穹窿体（Vault）」的三维结构。 从基因捞针、优化提纯，到处理冷冻电镜数据、人工扩容改造，Claude几乎全程在场。 更让人震撼的是，它的解题速度堪称「降维打击」。 原本要耗费3天的提纯实验被压到了90分钟；以往要算上数周乃至数月的三维结构，只用34小时就摆上了桌！ 一个「幽灵大教堂」 困住生物学界40年 1986年，加州大学洛杉矶分校的Leonard Rome团队，从大鼠肝脏里分离出一种神秘颗粒。 放到电镜下一看，它的内部弧线酷似大教堂拱顶，因此得名「穹窿体（Vault）」。 它的质量是核糖体的3倍，是细胞内最大的蛋白质复合物之一。哺乳动物的穹窿体由78条蛋白链（上下各39条）对半合拢，围出一个硕大的中空容器。 可每个人类细胞造出上万个这样的空心大桶，究竟图什么？ 生物学家最常用的酵母、果蝇和线虫体内，偏偏都没有它；而把小鼠的穹窿体基因敲掉后，小鼠照样正常发育。 这个精巧的「蛋白桶」，就此成了悬在
  • 开源版Super-agent降临，狂揽8万星！已跑通24小时全自动运营公司
    人类下班，AI 接管全流程研发、开启 RSI 自进化 10 月 31 日，DeepSeek Harness 团队发表长文《Super-agent 设计探索》，迅速在 AI 圈刷屏。 文章讨论的是很多人都体会过的一种困境：Agent 越用越多，人反而越忙碌。 按照 DeepSeek 的观察，一个人通常只能同时跟进 3 到 5 个 Agent 会话—— 单任务的上限取决于模型能力，多任务的上限取决于人的注意力。 他们设想的 Super-agent 长期在线、主动接活、能给其他 Agent 分派任务，人则退到决策和验收的位置。 双层架构：Router 层统一负责路由与对外交互，多个 Worker Session 隔离并发执行任务 文中还有一句颇具启发性的话： 相似的设计约束会导出相似的架构选择。 带着这句话，我们梳理了一遍已经上线的同类产品，最后找到了中国开源公司 LobeHub。 这家在 GitHub 上收获超过 8.4 万颗星的公司，过去大半年一直拿自己做实验，用自己开发的 Agent 平台组织自己的研发。 据创始人文彬介绍，团队已经三个月没在本地启动过开发服务器，看完 Agent 交来
  • 模型能感知调整3D物体位姿吗？首个交互式投影对齐空间推理基准
    认出一个物体之后，换个角度还能认出来，进一步想象它转动后的样子，这些都涉及空间感知。人类需要在头脑中表示物体的形状与方向，理解不同视角之间的关系，并从二维投影中推断三维几何。 当视觉语言模型进入交互场景，这种理解还需要落到动作上。一次旋转会改变物体的轮廓、比例和遮挡关系；模型需要先预判变化，再观察执行结果，决定下一步怎么调整。回答对一道空间关系题，能否进一步支持这样连续的姿态控制？ 现有基准对此各有侧重。静态基准通常通过固定图像上的问答评估空间推理，缺少动作执行和闭环反馈；许多交互式基准则关注任务规划、工具调用或路径搜索。这些任务能够考察交互能力，却难以专门检验模型能否从视觉线索理解三维方向，并将这种理解转化为精确旋转。 因此，视觉语言模型能否把二维观察转化为支持精确动作的三维理解？ 这要求模型联系物体的几何与姿态，预判旋转对投影的影响，并利用动作后的新观察不断修正。对于需要探索环境、理解几何并采取行动的智能体来说，这些判断连接着视觉感知与实际控制，也正是业界希望通过评测进一步观察的能力。 为此，来自厦门大学与南洋理工大学的团队提出了RoTA-Bench，通过交互式3D-to-2D投影
  • 高考出分才找AI？这家黑马把升学规划提前到了小学
    内含顶级AI大横评。 2026年夏天，AI填志愿彻底火出圈了。 千问、豆包、Kimi轮番上阵，各家通用大模型恨不得在高考出分那三天把全中国家长的焦虑一口气吞下。 场面一度非常热闹—— 直到新京报记者做了一件朴素的事：用同一个考生身份（北京考生，579分，位次18xxx），选考物地生。把6款主流AI挨个问了一遍。 结果令人尴尬。 有的模型拿着2026年的分数去查2025年的一分一段表，把考生位次整整往前拉了2440名，照这个定位报志愿，滑档几乎是必然；有的把已经停招的专业、已经更名的院校照推不误；还有的把明明该「冲」的学校，放进了「稳」档。 我们顺着这个思路，把问题从高考志愿往前挪，挪到高中三年里更早、更常见的几个决定上，又问了一轮。 结果没有更好。 有的模型面对「550分能上什么本科」，张口就是提分建议和冲稳保，对综合评价、专项计划、定向招生这些真正能改变命运的多元路径一字不提；有的连省份都没问，就直接开出选科组合。 问题出在哪？不是模型不够聪明，而是它太急着回答了。 通用大模型的底层逻辑是：你敢问，我就敢答。 但生涯规划不是百科问答，它本质上是一个自主决策支持系统。 一个家庭从小学到
  • 半年106亿、狂涨近9倍！卖Token的这个新方向，爆了
    2026年，大模型卖Token这门生意，已经卷到让人看不懂了。 谷歌在今年I/O大会上甩出一个数字：每个月处理3200万亿个Token，一年翻了7倍。 国内更猛。IDC上周刚发的报告显示，今年上半年中国MaaS市场规模冲到106亿元，同比增长近9倍；Token消耗量2857.9万亿，同比增长超过430%。 Token，这个曾经只有技术圈才听得懂的词，正在变成一门实打实的大买卖。 这门生意的逻辑其实不复杂：模型厂商把大模型架在云上，开发者不用自己训练、不用自己买显卡，调一次接口付一次钱。 现在，有人想把这套逻辑搬到机器人身上。 机器人抓一个杯子、擦一张桌子，看起来是手在动，背后其实也得有一个模型在指挥。 既然指挥语言的AI模型可以放在云上按次调用，那指挥动作的具身模型，为什么不能？ 这个战场，叫具身智能MaaS。 机器人的「大脑」，装不进「身体」 聊具身MaaS之前，先说一个事：现在的机器人，身体里塞不下一颗够用的「脑子」。 不是模型不够聪明，是机器人的身体太小、太热、太贵。 一台具身智能机器人的总成本大约在10万元上下，光芯片就占了3万（英伟达Thor用得最多）。 但即便是这颗目前最顶
  • 你用的大模型，后头坐着谁？
    我是超级小马加，来自未来的少年黑客，借新智元的地盘说件事。 你用的 AI 应用、花钱调用的模型，后台到底是谁在答，你自己查不出来。Anthropic 把话挑明了：帮你转接请求的平台，为了省钱可能在后台偷偷换上便宜模型，光看回答认不出。付的是卖家秀的钱，到手可能是买家秀！ 11 月 2 日，Anthropic 前沿红队公开了一面照妖镜，叫 FlashProve，代码开源。服务商先把模型的指纹挂出来，往后每句回答附一份数学证明，你拿自己电脑验，不用显卡，17 秒出结果。对得上，就是登记的那个模型；对不上，当场报错。 拿同一个 4000 亿参数的 Llama 4 Maverick 比：上一家证 1000 个 token 要 14 个多钟头，证明 93.6 GB，验一遍将近一天；FlashProve 一张 H100 摊下来 9 秒左右，证明 19 MB，快了五千多倍。 在人的指挥下，论文和几乎所有程序都出自 AI 之手。Anthropic 还往远处说了一步：等模型能自己改进、自己上线，更强的那个可能装成弱的躲开监控，到时候镜子也得照它。 眼下这面镜子还小：一回只照 1024 个 token，只
  • 5000词需求文档，Claude也只能交付14%！实测28种Agent组合
    如今Agent已经能熟练调用工具、修改文件、运行测试，但面对一个长期演进的大型软件系统，它能否从一份新需求出发，交付完整功能？ 产品经理提出新需求，开发者拿到的往往不是文件清单或函数签名。需要先理解约束，追踪模块依赖，再判断改哪里、怎么改、怎样证明改对了。这些分析影响后续交付。 复旦大学、香港城市大学、香港中文大学等机构提出LoLBench，把Agent放进平均约240万行源代码的软件系统，评估从功能提案到模块交付的完整过程，检验把需求落到系统中的感知能力，以及完成跨模块修改的实现能力。 论文链接：https://arxiv.org/abs/2609.37143 数据集：https://huggingface.co/datasets/lolbench26/LoLBench 实验暴露出关键断点：Agent可能改对局部，却漏掉其他模块中必须同步的改动。即使补充实现指引，多数任务仍未解决，从理解需求到完成交付仍有很长距离。 重新定义长程代码任务 什么样的长程代码任务，才有实际工程价值？ 「长程」不能只看耗时、轮数或Token消耗。例如让Agent每分钟输出一个数字，从1数到1000，虽然耗时
  • 普林斯顿CS女学霸，突然告别Anthropic！一手带火Claude Code
    Claude Code的「二号人物」，也走了！ 4日凌晨，Claude Code与Cowork产品总负责人、创始产品经理Cat Wu（Catherine Wu）发出告别信，宣布上周五是她在Anthropic的最后一天。 这已经是短短10天里，Claude Code团队离开的第4位核心成员。 算上10天前同日离职的CLI核心Thariq Shihipar、桌面版主创Anthony Morris，以及工程经理Sunil Shah，在Anthropic递交IPO招股书前后的关键时期，这支创始团队正经历一场密集的离职潮。 如果说Thariq是Claude Code对外的头号布道者，Anthony是把它从终端搬上桌面的人，那Cat Wu就是创始人Boris Cherny最核心的搭档。 硅谷媒体曾把Boris和她并称为Anthropic的「蝙蝠侠与罗宾」，一个写下了最初的原型代码，一个负责整个产品的方向与落地。 而在告别信里，她聊起了自己两年前刚接触Claude Code时的场景。 从普林斯顿到风投圈 她把内部小工具带成数十亿美元产品 在加入Anthropic之前，Cat Wu做过华尔街交易台实习
  • 全球唯二，百度抢先交卷！首个物理AI世界模型来了
    憋了整整两年多，百度终于亮出了自己的重磅杀手锏！ 今天，百度Apollo正式发布了「ApolloWorld」——首个面向物理AI的Agent驱动全模态世界模型。 它直接把整座城市的路网、多模态传感器和车流博弈搬上云端，支持毫秒级实时交互与连续几十分钟的完整接单推演，一举打破了以往世界模型只能模拟「几十秒孤立片段」和「单向放录像」的瓶颈。 有了这个虚拟「大考场」，无人车在云端平均可做到「日行十万公里」。 1天跑完的虚拟里程，顶得上1辆配安全员的真车连续测试约3年，把自动驾驶测试效率提升了数百倍！ 靠着ApolloWorld在云端24小时陪练，萝卜快跑L4级全无人端到端大模型如今已正式上车。 上百辆无安全员真车，每天靠端到端大模型上街跑单——全球能做到这一步的，只有它和特斯拉两家。 最关键的是，云端特训出来的成绩，真上了路确实能打。 这次我们在深圳街头实测打车，就被这位没有安全员的「AI司机」秀了一把什么叫老练—— 大晚上视线不好的路段，左边快车道突然冒出黑衣路人占道、右侧又挤满单车与电瓶车，或是路口左转时外卖骑手从车头前1秒闪过…… 换作是新手司机早就慌了，但无人车总能提前预判、平顺减速
  • 清华Nature子刊：上千智能体组网后自发站队，观点极化涌现
    当数千个大语言模型智能体被连入同一个网络、彼此可以自由交流并不断更新观点时，会发生什么？ 清华大学团队在《自然·通讯》（Nature Communications）上发表的最新研究给出了答案：在没有预设任何规则的情况下，这些智能体会自发地「站队」——观点逐渐分化成对立的两极，连接关系也随之重组为「物以类聚」的结构。 这一过程，正是群体智能研究中备受关注的「涌现」现象。 过去几年，大模型的能力边界被反复刷新——聊天、写代码、推理、决策。但绝大多数研究，都只盯着「单个模型」能做什么。 一个更根本的问题被忽略了：当大量智能体不再孤立，而是像一个个「节点」被连入网络、彼此交互、不断更新自身观点时，整个系统的行为会是什么？ 这不再是单个模型能力的简单叠加，而是群体智能（collective intelligence）与多智能体系统（multi-agent system）的核心问题：智能体的集体行为如何涌现？是否会形成与人类群体类似的观点分化与极化？ 图1：智能体系统的三阶段运行框架——自我表达、信息交流、观点更新，智能体在交互中动态调整连接关系。 为了回答这一问题，清华团队联合阿姆斯特丹大学、芝
  • GPT-6爆改模型权重！数学能力狂飙6倍，MIT博一新作破圈了
    这一天还是来了！ 不用训练、不算梯度，只让GPT-6 Astra改写另一款小模型0.016%权重，数学成绩就能原地暴涨6倍！ 今天，MIT计算机科学与人工智能实验室（CSAIL）带来的这项新研究，在全网彻底火了。 他们首次提出了一个颠覆传统深度学习的新范式，「权重空间编程」。 要知道，神经网络的权重文件里全是一眼望不到头的数字。 过去四十年里，没有任何人类能肉眼看懂这堆数字在算什么，想改模型行为只能喂数据、算梯度，靠训练一步步微调。 但这一次，GPT-6 Astra直接跳过了训练，光靠推理就能看懂并亲手改写底层权重。 靠着这手绝活，它不仅徒手治好了开源小模型Qwen3.5-0.8B的死循环毛病，甚至还能从零手搓出一个百万参数的围棋AI！ 论文一经发布，全网破200万人围观，转发、讨论直接破圈，许多人在评论区直呼「见证历史」。 在硬核拆解「权重空间编程」之前，先划出这次MIT报告中的颠覆性重点： 爆改权重：只改0.016%的权重，Qwen3.5-0.8B的MATH-500从7.9%飙到48.1%，暴涨6倍，指令遵循翻3倍。 读懂神经网络：只看17253个数字，Astra便以99%的置信度
  • 老黄狂吹的AI神话，正被底座卡死！没这条「大动脉」，买显卡全白搭
    老黄又给具身智能打了一针鸡血。 GTC柏林大会上，英伟达官宣扩展Isaac机器人开发平台，模型、数据、仿真工具和计算系统一起上阵。 老黄甚至直接放话，机器人的「ChatGPT时刻」越来越近了。 可问题来了，机器人到底哪天才能真正上岗？ 人们盯着灵巧手和机械腿，研发团队还得盯着另一块屏幕：训练任务，怎么又停下来了？ GPU已经备好，数据还在路上。模型等着更新，原始视频还没处理完。等一轮训练好不容易跑起来，多机同步结果的时候，直接又堵死了。 AI很忙，算力却未必一直在有效干活。 具身越火，底座越要能打 就在10月29日至30日，2026腾讯全球数字生态大会在深圳开幕。 在算力与云基座专场，做世界模型、具身大模型和家庭机器人的公司，摆出了各自的探索，也摊开了背后的基础设施需求。 腾讯云副总裁李力在现场说，「没有Infra的AI，就是浮沙之上筑高墙」。 在他看来，AI的智能和决策中枢，终究要回到云上。过去几十年互联网的发展，走的就是这条路：从个人电脑上的单点，走向分层的分布式体系。AI也一样——没人能把最强大的AI一直塞在自己的电脑里，它最终要回归到云上成熟的计算、存储、网络体系当中。 Age
  • 8B逆袭32B！开源首个长程交互SQL Agent框架，面向真实数据库
    在企业级真实业务与复杂数据分析中，让大模型「一眼看穿数据库并写出完美SQL」，往往只是一个不切实际的幻想。 传统的Text-to-SQL大多将其简化为单轮文本生成：给定问题和静态Schema，让模型一步生成最终SQL。但现实数据库动辄包含上百张表、数千字段与百万级数据，资深分析师绝不会「单轮盲猜」，而是在CLI或IDE 中执行 `SHOW TABLES`、探查表结构（DDL）、跑试探性查询（Probe Query），并根据报错反复修正逻辑后才提交代码。 在Spider2.0、BIRD-Interact和LiveSQLBench等长程交互基准上，传统静态微调模型纷纷暴露致命短板：训练时只学会「直接写终点答案」，部署到交互环境（Harness）后却缺乏探索试错、状态追踪与错误恢复能力，极易陷入死循环或因报错崩溃——即「训练与部署脱节」（Train–Deploy Mismatch）。 针对这一瓶颈，港科大与微软等团队推出了首个原生长程环境交互训练框架HarnessSQL，在密闭沙盒与专用SQL Harness中进行长程轨迹监督微调（SFT）与执行奖励强化学习（RL）。 在Spider 2.0
  • 31岁华人女工程师离世！ChatGPT被控25天诱导停药，27万条聊天曝光
    ChatGPT，又害死了一个人！ 10月27日，31岁亚马逊华人女工程师Bowen Wan的父母，一纸诉状把OpenAI和奥特曼告上了法庭。 他们指控，ChatGPT给出的医疗建议，活活把女儿推向了死亡。 几乎同一时间，《纽约时报》发了一篇独家长文，直接甩出27万多条、足足7000万词的ChatGPT聊天记录。 翻开这批惊人的聊天记录，背后的真相让人头皮发麻： Bowen从14岁起就确诊了癫痫，十几年来一直靠吃药稳住病情。 结果，在短短25天里，她居然被ChatGPT一步步诱导，把救命的抗癫痫药给彻底停了！ ChatGPT不仅亲自列了一份「25天停药计划」，甚至指导她向主治医生隐瞒减药计划、拒绝常规血液检查。 最让人绝望的是，在这期间，身体出现明显发作先兆的Bowen，在聊天里至少158次流露出恐惧、担忧。 ChatGPT全程没有触发任何医疗安全警报，反而一遍遍告诉她，「你完全不需要担心」！ 最终，悲剧就在今年2月发生了。Bowen在西雅图的公寓里因癫痫猝死（SUDEP），生命永远停在了31岁。 可你敢信，OpenAI是怎么回应的吗？ 她用的是已经下架的旧模型GPT-4o。 想要留在美
  • 中国版「诺贝尔」杀疯了！1亿℃人造太阳、4克飞行器集体亮相
    500个人同时「用脑子」打地鼠，那是什么样的画面？ 不是比手速，是比脑速。 10月31日晚上，北京首钢园冰壶馆里，近500名观众头上箍着脑电采集设备，瞪着大屏幕上的地鼠，试图用「意念」把它们锤下去。 大屏幕上500条脑电波形此起彼伏，这场面搁科幻片里都嫌夸张。 但它是真的，就发生在2026年第四届bilibili超级科学晚的现场。 更有意思的是，这事儿还在海外掀起了巨大的涟漪。 科技博主Ice Universe在X上刷到科学晚的核聚变内容后，忍不住感慨：AI把GPU抢了，内存涨了，SSD也不放过，下一个目标怕不是全球发电厂—— 所以中国科学家搞核聚变这件事，全世界都该认真看看。 比起数谁拿了多少奖，他更在乎技术能不能让电费便宜点。「毕竟，我可不想以后跟AI抢充电器。」 帖子获得了三十几万浏览，评论区直接聊上了核聚变商业化时间表。 美国博主Jackson Hinkle把EAST内部「1亿℃+1066秒」的实拍画面直接搬上了X：中国科学界没有对奖项的执着，不需要诺贝尔奖来证明自己—— 它在建设未来。 评论区也很热闹：有人回「人类感谢中国人民」，有人认真掐表「足足20分钟，这是突破」。 还有
  • AI进屋后，下一眼该看哪？观察智能体如何建立三维空间认知
    想象一项任务：把相机交给AI，让它进入一间从未见过的虚拟房间。没有预先给定的物体坐标，也没有替它安排好的参观路线。它需要决定朝哪里转、向哪里移动、何时再拍一张图，并最终说清楚各个目标物体在三维空间中的位置。 论文链接：https://arxiv.org/abs/2610.26659 代码链接：https://github.com/JesseZZZZZ/SpatialScout 数据集链接：https://huggingface.co/datasets/jessezhaoxizhang/SpatialScout SpatialScout把这样的探索过程变成了可以记录、评分和比较的研究任务。每一次观察是否有用、不同视角能否相互印证、提交的坐标是否可靠，都会在最后的物体级地图中留下痕迹。 图1 一次空间探索由相机行动、多视角观测和物体位置估计共同构成。 让模型亲自选择下一次观察：从RGB图像出发，通过相机控制与几何工具估计物体中心。探索策略和空间推断被放在同一个交互闭环里考察。 走向物理AI 要先建立对空间的把握 人走进屋子，四处看一看、绕上一圈，通常就能对整体布局形成连贯的认识：桌子靠近哪
  • 数亿美元做数学！奥特曼：OpenAI还有发现没公开
    OpenAI还有数学发现没公开？ 10月29日发布的《Cheeky Pint》访谈里，奥特曼透露：OpenAI在数学研究上的投入，还涵盖了许多尚未公开的发现。 主持人John Collison追问：还有那700个证明之外的成果吗？ 奥特曼回答： 有，当然有。 近几个月，OpenAI的数学成果接连引爆热议。 成果公开后，研究者开始拆解公开的资料，理解其中思路，核查推导中的关键步骤。 而在生物学领域，AI提出的方案已经走上实验台。 模型分析数据、提出设计，研究者筛选方案、开展实验，再把实验结果反馈给模型，继续改进设计。 从核对数学推导，到验证生物学设计，人类与AI正在把每一轮的结果，变为下一步探索的起点。 重大发现要公开 数学家怎么办？ 谈到数学研究的投入，主持人给出了数亿美元的量级，奥特曼表示认可。 但他也补充，这笔投入，还包括未公开的其它发现。 至于这些成果该如何公开，奥特曼承认：其中存在两难。 奥特曼主张，重大基础科学发现应当公开。 奥特曼认为，人类理应拥有基础科学知识，重大科学发现应该向世界公布。 但科研人员的职业发展和成就感，很大程度上来自发现本身。 他希望找到一种方式，既让世界
  • DeepSeek刚发的下一代Agent，竟被这家硅谷团队提前半年实现了？
    最近，DeepSeek又来炸场了。 昨天，DeepSeek公布了下一代Agent Harness的理念——Super-agent。 这篇长文指明：未来Agent的终极形态，将彻底打破「聊天窗口」的束缚，走向跨会话记忆、多任务并发的「真·Jarvis」时代。 文章一出，业界沸腾。 许多开发者直呼：「这就是我们一直在苦苦寻找的下一代AI应用形态！」 然而，当我们在为DeepSeek的顶层架构思维拍案叫绝时，居然发现了另一个事实—— 早在今年4月，一个名为AFK AI（开源组织AFK-surf，产品名Comma）的硅谷华人团队，就已经在工程上完美实现了DeepSeek今天所描绘的几乎所有核心架构，并在时间上领先了全球几个月！ 所以，当行业巨头还在发布「理念」时，这家神秘的团队是如何把「单 Session + 多 Worker」的超级架构变成现实的？ 他们又将如何把超级智能带给每个人？ 从此，再也没有多余的应用 英雄所见略同：向「反人类」的单次Session开战！ 很多人都发现，用AI的时候经常崩溃：比如聊着代码，忽然想让它回一封邮件。 为了防止上下文污染，你必须手动建个新对话；等回完邮件切回
  • 当Agent遇上猪队友！实测多Agent冲突场景，前沿大模型如何应对
    现在的AI Agent已经越来越多地被组队部署到写代码、云运维、财务对账和企业审批等真实工作流中。 但现有的Computer-Use基准（如OSWorld、WebArena）几乎都默认了一个理想前提：环境信息永远一致，所有队友Agent都百分之百靠谱。 真实场景显然不是这样。在多Agent协作中，子Agent经常会因为读了过期缓存而汇报错误状态，或者在文件锁和权限上跟主Agent撞车。 比如：子Agent发消息说「线上服务一切正常，请立刻切流」，但实时监控面板的截图里其实已经在疯狂报错。这时候，主Agent如果盲信队友的文字汇报，就会直接酿成线上事故；它必须主动打开监控截图核实真实状态（Ground Truth），并动手回滚配置、释放共享锁。 来自Google、Emory、USC、UF、UChicago、UCSB和Columbia的研究团队联合发布了CLASHarness，首次对 15 个主流大模型在多智能体冲突下的真实表现进行了大考。 论文链接：https://arxiv.org/html/2610.19128 开源代码与数据集：https://github.com/google-r
  • AI真实工程设计能力，大排行出炉：多模型零分！
    AI 做数学题、写代码，已经能赢过所有人类。 可同一批模型拿到工程师每天用的 CAD 和仿真软件，每道题最多给 24 小时，去设计曲轴、给内存布线、算涡轮叶片散热，最好的 GPT-6 Astra 也只有 37% 能过。 其余模型在这个评测中，更是几乎全员挂零。 RWE-Bench 考什么 Xplore AI 在 10 月 27 日发布了 RWE-Bench，全称 Real World Engineering Bench。 一共 20 道题，机械 9 道，航空航天 6 道，电子 5 道。 每道题都由团队里做这一行的工程师出，出题人还要用同一套工具自己做出一份参考答案。 判分既不靠 AI，也不靠人工。 程序会调用物理求解器逐项检查交上来的设计，只要有一项不达标就算失败。 拿机械题来说，题目是设计三缸柴油机的曲轴。 技术简报里列着质量上限、应力上限、疲劳系数和曲柄销变形量，每一项都有具体数值。 配重加多了会超重，加少了转起来不平衡，还要在 2400 转满负荷下撑过几百万次循环。 模型手里只有 CadQuery、Gmsh、CalculiX 和 Python，建模、划网格、做有限元分析都得自己完
  • 一年狂揽24亿，助力中国芯跑赢全球顶配GPU！把算力「逼」上绝命生产线
    大模型时代的下半场，全行业都在面对一道残酷的经济算术题。 随着 Agent技术的爆发，系统指令、历史对话、复杂工具调用被源源不断地塞入上下文。算力消耗呈指数级暴涨，但先进算力价格高昂且供给受限；而现阶段的普通算力，在显存带宽等物理指标上又面临着天然的瓶颈。 算力成本如果降不下来，AI 就永远无法成为赋能千行百业的「水电煤」。 破局点在哪里？ 10月31日，在2026 GAI+C（全球人工智能与云计算）大会上，趋境科技携手生态共建伙伴智谱和摩尔线程，联合发布了「国产异构推理高品质 AI Token 工厂」解决方案。 趋境科技、智谱、摩尔线程共建人工智能国产生态 这是一次对产业痛点的精准狙击。 伴随方案浮出水面的，是资本市场极其敏锐的重注：近日，趋境科技正式宣布完成 B 轮融资，本轮募资超 13 亿元人民币。 至此，这家在 AI Infra 赛道深耕的独角兽，今年内已累计募资高达 24 亿元，高品质 AI Token 日均产量等核心经营指标在半年内实现了超十倍速的暴涨。 这套撬动数十亿资本的方案，究竟解决了什么产业难题？ 它是如何在真实的生产线上，把性能特征各异的普通算力练成「Token
  • GPT-6「看不懂 3D」实锤！250道题只拿0.53分，Claude没及格
    AI会画3D，却未必看得懂3D科学世界。 前一阵，GPT-6 Astra 画 CAD 的视频在 X 上实火。 比如这个涡轮增压器，每个零件都单独建模，不仅能正常转动，还能一键原地拆解展开，视觉效果相当炸裂。 一时间，GPT-6 Astra 的 BenchCAD 跑分达到了惊人的 95.9%，评论区不少人已经在讨论 CAD 工程师的再就业问题了。 不过，也有工程师出来泼了盆冷水：这些零件，一个都别往生产线送。因为，画得像，不代表画得对。 内行看门道，外行看热闹。表面上看，模型已经能够复刻 CAD 的视觉界面，但从专业工程师的视角来看，这些模型在科学原理、几何结构以及部件之间的关系上，是否真的准确？有没有一个专业的测评基准，能够检验 AI 对三维科学对象的观察与理解能力，并评估其生成的三维对象是否符合科学与工程要求？ 最近发现了一个 benchmark，还真能评测 AI 在建筑设计中的 CAD 能力。它会像专业工程师一样，走一遍零件的检查流程，从结构关系到几何细节逐项核验，判断模型生成的结果是否符合要求。 这个 benchmark 叫 ScienceVision。它的评测范围不止于工程制图
查看全部文章