AI在线 - 阅读最新头条AI资讯文章，掌握AI人工智能科技动态

头条

AI一眼认出95万物种，还能分辨雄雌老幼，2亿生物图像炼成“生命视觉”大模型

让AI看懂95万物种，并自己悟出生态关系与个体差异!俄亥俄州立大学研究团队在2亿生物图像数据上训练了BioCLIP 2模型。大规模的训练让BioCLIP 2取得了目前最优的物种识别性能。而更令人惊喜的是，即使在训练过程中没有相应监督信号，BioCLIP 2还在栖息地识别、植物疾病识别等5个非物种任务中给出了远超DINOv2的准确率。

6/30/2025 8:52:00 AM

航空发动机用上大模型：解决复杂时序问题，性能超越ChatGPT-4o实现SOTA｜上交创智复旦

时序数据分析在工业监控、医疗诊断等领域至关重要。比如航空发动机监控这个复杂工业场景中，工程师需分析海量多通道传感器数据，以判断设备状态并制定维护决策。然而，现有研究多聚焦于分类、预测等单一任务，与实际工业场景中专家通过自然语言进行复杂交互和决策的需求存在显著差异。

6/30/2025 8:51:00 AM

打破长视频理解瓶颈：HoPE混合位置编码提升VLM长度泛化能力

李浩然，CMU 机器学习系研究生，研究方向是基础模型的长上下文建模、对齐、以及检索增强生成。如今的视觉语言模型 (VLM, Vision Language Models) 已经在视觉问答、图像描述等多模态任务上取得了卓越的表现。然而，它们在长视频理解和检索等长上下文任务中仍表现不佳。

6/30/2025 8:50:00 AM

华为CloudMatrix重磅论文披露AI数据中心新范式，推理效率超NV H100

今年，AI大厂采购GPU的投入又双叒疯狂加码——马斯克xAI打算把自家的10万卡超算扩增10倍，Meta也计划投资100亿建设一个130万卡规模的数据中心……GPU的数量，已经成为了互联网企业AI实力的直接代表。的确，建设AI算力，这种堆卡模式是最简单粗暴的，但实际上，AI集群却并非是卡越多就越好用。 GPU虽然计算性能好，但是在集群化的模式下依然有很多挑战，即便强如英伟达，也面临通信瓶颈、内存碎片化、资源利用率波动等问题。

6/30/2025 8:49:00 AM

图像界的DeepSeek！12B参数对标GPT-4o，5秒出图，消费级硬件就能玩转编辑生成

图像模型开源还得是FLUX！ Black Forest Labs刚刚宣布开源旗舰图像模型FLUX.1 Kontext[dev]，专为图像编辑打造，还能直接在消费级芯片上运行。只有小小的12B，更少的参数，更快的推理，性能更是媲美GPT-image-1等一众闭源模型。

6/30/2025 8:48:50 AM

盘一盘，2017年Transformer之后，LLM领域的重要论文

这两天 Andrej Karpathy 的最新演讲在 AI 社区引发了热烈讨论，他提出了「软件 3.0」的概念，自然语言正在成为新的编程接口，而 AI 模型负责执行具体任务。 Karpathy 深入探讨了这一变革对开发者、用户以及软件设计理念的深远影响。他认为，我们不只是在使用新工具，更是在构建一种全新的计算范式。

6/30/2025 8:48:00 AM

充分激发模态协作，MokA量身打造MLLM微调新范式

本文第一作者卫雅珂为中国人民大学四年级博士生，主要研究方向为多模态学习机制、多模态大模型等，师从胡迪副教授。作者来自于中国人民大学和上海人工智能实验室。近年来，多模态大模型（MLLMs）已经在视觉语言、音频语言等任务上取得了巨大进展。

6/30/2025 8:44:00 AM

拯救P图废柴，阿里上新多模态模型Qwen-VLo！人人免费可玩

一上手就令网友直呼「生图能力」比GPT-4o更强？！就在昨夜，阿里带着全新多模态模型Qwen-VLo开启炸场模式。

6/30/2025 8:43:00 AM

无需训练，即插即用，2倍GPU端到端推理加速——视频扩散模型加速方法DraftAttention

本文第一作者为美国东北大学博士生沈轩，研究方向为高效人工智能，致力于在 GPU、移动端、FPGA 和 ASIC 等多种硬件平台上实现大模型的高效部署与加速。第二作者为香港中文大学的韩晨夏，研究方向聚焦于计算机体系结构与 AI 系统的高效化设计。在高质量视频生成任务中，扩散模型（Diffusion Models）已经成为主流。

6/30/2025 8:42:00 AM

ICML 2025 Spotlight | 新理论框架解锁流匹配模型的引导生成

本文第一作者是西湖大学博士生冯睿骐，通讯作者为西湖大学人工智能系助理教授吴泰霖。吴泰霖实验室专注于解决 AI 和科学交叉的核心问题，包含科学仿真、控制、科学发现。在解决离线强化学习、图片逆问题等任务中，对生成模型的能量引导（energy guidance）是一种可控的生成方法，它构造灵活，适用于各种任务，且允许无额外训练条件生成模型。

6/30/2025 8:36:00 AM

AgentAuditor：让智能体安全评估器的精确度达到人类水平

LLM 智能体（LLM Agent）正从 “纸上谈兵” 的文本生成器，进化为能自主决策、执行复杂任务的 “行动派”。它们可以使用工具、实时与环境互动，向着通用人工智能（AGI）大步迈进。然而，这份 “自主权” 也带来了新的问题：智能体在自主交互中，是否安全？

6/30/2025 8:32:00 AM

内容工作流自动化工具n8n vs LangGraph：哪个更好？

译者 | 李睿审校 | 重楼创建内容可能耗时费力，但如果采用合适的工具，这一过程会变得轻松得多。 n8n和LangGraph是两款功能强大的内容工作流自动化和增强工具。 n8n提供了可视化的无代码界面，非常适合快速直观地构建工作流，而LangGraph更适合希望使用LLM创建逻辑的开发人员。

6/30/2025 8:31:08 AM

李睿

OpenAI四位华人学者集体被挖，还是Meta重金出手

再一次，Meta「搜刮」了 OpenAI 的成员。 The Information 发布了文章，谈到 Meta 再聘四名 OpenAI 研究人员。这离上一次 OpenAI 苏黎世办公室被 Meta 一锅端只隔了短短几天时间。

6/30/2025 8:26:00 AM

AI 开始「自由玩电脑」了！吉大提出「屏幕探索者」智能体

作者简介：本文第一作者牛润良是吉林大学人工智能学院博士研究生，研究方向包括大模型智能体、强化学习，专注于 GUI Agent。通讯作者王琪为吉林大学人工智能学院研究员，研究方向包括数据挖掘、大模型、强化学习。迈向通用人工智能（AGI）的核心目标之一就是打造能在开放世界中自主探索并持续交互的智能体。

6/30/2025 8:25:00 AM

分布式机器学习的五大流行框架

译者 | 布加迪审校 | 重楼使用这些框架可以优化内存和计算资源，扩展你的机器学习工作流程，加快流程速度并降低总体成本。分布式机器学习（DML）框架使你能够跨多台机器（使用 CPU、GPU 或 TPU）训练机器学习模型，从而大大缩短训练时间，同时高效处理原本内存无法容纳的大型复杂工作负载。此外，这些框架还允许你处理数据集、调整模型，甚至使用分布式计算资源来给模型提供服务。

6/30/2025 8:21:58 AM

布加迪

CVPR 2025 | 零开销，消除图像幻觉！基于零空间投影挖掘正常样本特征

当前大型视觉语言模型（LVLMs）普遍存在「物体幻觉」问题：模型会凭空生成图像中不存在的物体描述。为了高效地实现幻觉消除，西安交通大学研究团队提出了一种利用「幻觉子空间」（HalluSpace）进行零空间投影的高效模型权重编辑方法Nullu（Null space of HalluSpace）。论文地址：：：从特征空间寻找到正常样本表征与幻觉样本特征的核心差异。

6/30/2025 8:15:00 AM

OpenAI 首席研究官再谈 Meta 公司挖人：就像闯入家中偷窃，建议员工严词拒绝

据 Wired 今日报道，OpenAI 的首席研究官 Mark Chen 在公司 Slack 上发布了一份备忘录，将挖角情况比作有人闯入 OpenAI 家中偷窃。

6/30/2025 7:14:42 AM

汪淼

制药行业的AI应用图谱与数字化转型实战经验

制药行业正处于一个关键转折点，为了应对复杂药物研发与制造的挑战，向基于AI的技术转型不仅是可取的，而且是必不可少的。制药行业的未来取决于其能否拥抱数字化转型，并利用AI的力量来简化运营流程、增强问题解决和根本原因分析能力、推动持续改进以及在制药监管和合规环境中降低风险。制药行业的AI驱动未来预计AI将为制药行业带来每年600亿至1100亿美元的经济价值，这种未被充分挖掘的潜力主要源于AI在药物全生命周期中提高生产力的能力，能够根据复杂流程和操作工作流程量身定制，并且更容易根据用户需求进行个性化的数字工具将是关键。

6/30/2025 7:10:00 AM

Andreas

资讯热榜

前 xAI 首席财务官加盟 OpenAI，担任新任业务财务官腾讯混元开源AI绘画新框架：24维度对齐人类意图，让AI读懂复杂指令谷歌 AI 承包商裁员风波：200 多名员工因工作条件争议被解雇美国 FTC 调查 AI 聊天机器人对未成年人影响引发广泛关注可灵2.1首尾帧外挂级教程！两张图秒变大片，附万能提示词！五年沉寂后高调回归，OpenAI重组机器人团队剑指“通用机器人” OpenAI Evals 新增原生音频评估功能，简化语音模型测试新世界首富：斥巨资求永生，TikTok收购案最可能买家，得OpenAI千亿订单

标签云

AI 人工智能 OpenAI AIGC 模型 ChatGPT DeepSeek 谷歌 AI绘画机器人数据大模型 Midjourney 开源智能 Meta 用户微软 GPT 学习技术 AI新词马斯克图像智能体 Gemini AI创作 Anthropic 英伟达论文训练代码 LLM 算法 Stable Diffusion 芯片腾讯苹果蛋白质 Claude AI for Science 开发者 Agent 生成式神经网络机器学习 xAI 3D 研究人形机器人生成 AI视频百度工具计算 GPU 华为大语言模型 Sora RAG 具身智能 AI设计字节跳动搜索大型语言模型场景 AGI 深度学习视频生成预测视觉伟达架构 Transformer DeepMind 编程神器推荐亚马逊特斯拉 AI模型