理论

「全球首个自回归视频生成大模型」，刚刚，Swin Transformer作者创业团队重磅开源！

视频生成领域，又出现一位重量级开源选手。今天，马尔奖、清华特奖得主曹越的创业公司 Sand AI 推出了自己的视频生成大模型 ——MAGI-1。这是一个通过自回归预测视频块序列来生成视频的世界模型，生成效果自然流畅，还有多个版本可以下载。

4/22/2025 3:34:08 PM

机器之心

142页长文揭秘DeepSeek-R1「思维大脑」！开启全新「思维链学」研究

你是否曾想过DeepSeek-R1为什么能「思考」？距离DeepSeek-R1这只「巨鲸」引发的全球AI海啸似乎刚刚平静下来，但推理模型已经成为了AI宠儿。不论是Gemini 2.5Pro，还是o3，o4-mini，以及所有人都在期待的DeepSeek-R2，都是推理模型。

4/22/2025 3:32:06 PM

新智元

清华特奖得主团队视频生成AI一夜刷屏！100%开源+61页技术报告，还能无限扩展生成，网友：游戏规则改变者

整整61页的技术报告中还详细介绍了创新的注意力改进和推理基础设施设计，给人一种视频版DeepSeek的感觉。图片Magi-1将视频生成卷到了新高度，大片级品质直接锁住大家的眼球，请看VCR：其主打能力，一是无限长度扩展，实现跨时间的无缝连贯叙事：图片二是能将生成时长控制精确到每一“秒”：图片另外，Magi-1对物理规律也有更深度的理解，Physics-IQ基准测试56.02%，大幅领先一众顶流。现在看这张图，Sora的时代是真的过去了。

4/22/2025 3:29:05 PM

量子计算重大突破！谷歌发布混合量子模拟方法

今天凌晨1点，谷歌AI发布了一种全新的模拟-数字混合量子模拟方法，可在保持速度的同时增强可控制性，颠覆了传统量子计算的模拟方法。在研究量子热化和临界现象方面实现了重大突破。传统的量子模拟主要面临两大难题：灵活性差，纯数字的量子模拟效率非常慢，经常会受到噪声的干扰；速度快却无法控制，速度上来了却无法精准控制所有粒子的相互作用。

4/22/2025 9:50:01 AM

AIGC开放社区

突破封锁！华为将发布大量AI芯片，平替英伟达H100

今天凌晨2点，路透社独家消息，华为最早将于5月份发布大量910C AI芯片，部分出货已完成。华为此次发布产品主要是针对美国对国内AI芯片的封锁，帮助国内企业解决AI芯片短缺的难题。因为美国政府本月要求英伟达销售H20需出口许可证。

4/22/2025 9:47:07 AM

AIGC开放社区

用任务向量做模型编辑为何有效？这篇ICLR 2025 Oral论文给出了理论分析

本文作者李宏康，博士毕业于美国伦斯勒理工大学，本科毕业于中国科学技术大学，并即将前往宾夕法尼亚大学担任博士后研究员。研究方向包括深度学习理论、大语言模型理论等等。本文的通讯作者为伦斯勒理工大学的汪孟教授。

4/22/2025 9:40:00 AM

机器之心

百页专业报告一次直出！Jürgen团队开源框架WriteHERE，重塑AI写作天花板

在 AI 长文写作领域，一项革命性突破正在改写行业规则 —— 由「人工智能之父」Jürgen Schmidhuber 领衔的团队，正式开源其长文写作框架 WriteHERE。该框架凭借异质递归规划（Heterogeneous Recursive Planning）技术，实现单次生成超 4 万字、100 页专业报告的能力，在小说创作、报告生成场景中全面超越 Perplexity 付费版「深度研究」、DeepMind 的 Agent's Room 及斯坦福 STORM 等顶尖方案。论文标题：Beyond Outlining: Heterogeneous Recursive Planning for Adaptive Long-form Writing with Language Models论文地址： & 在线 Demo：仓库：「大纲先行」到「实时编织」现有 AI 长文生成系统（如 Agent's Room、STORM）多将写作简化为「规划 - 填充」的线性流程，而 WriteHERE 首次通过数学形式化揭示：长文写作本质上是检索（Retrieval）、推理（Reasoning）、写作（Composition）三类异构任务的动态编织。

4/22/2025 9:35:00 AM

机器之心

RL很重要，但远非All You Need！微软副总裁：AI不靠单个技术撑起

「AI 领域确实存在苦涩的教训，但若当初全盘接受它，我们现在可能还在用线性回归搞强化学习。」刚刚，微软副总裁 Nando de Freitas 一篇长推文表达了自己的观点：反对单一技术的过度宣传，如 RL，应该强调多领域合作的重要性；AI 进步不是靠单一天才撑起的，而是成千上万的参与者共同推动了这一领域的发展；过去的一些观点在当时看似合理，但随着技术的发展，这些观点显得过时；人工智能的发展需要不断突破传统观念，就像数学一样，通过不断的探索和试错来逐步推进。推文中，Freitas 还透露 RL 固然重要，但还远未达到「RL is all you need」的程度。

4/22/2025 9:30:00 AM

机器之心

直观即时绘制3D模型，可添加文本提示，VAST又开源了

3D生成明星玩家VAST，又又又又又开源了！ Tripo Doodle（内部代号TripoSG Scribble) ，能够将简单的2D草图和文本提示（Text Prompt）实时转化为精细的3D模型。它改进了传统3D建模学习曲线陡峭、耗时耗力的痛点，尤其是在初期“打形”阶段。

4/22/2025 9:26:00 AM

量子位

多模态大模型改造人脸防伪检测，厦大腾讯优图等研究入选CVPR 2025

近年来，人脸合成技术在快速发展，相关检测任务也逐渐从“看得出来”向“说明白为什么”演进。除了判断一张脸是真还是假，更需要模型能“说出个所以然”。在CVPR 2025的工作《Towards General Visual-Linguistic Face Forgery Detection》中，研究团队尝试从视觉语言的多模态视角来改进伪造检测方法。

4/22/2025 9:22:00 AM

量子位

满血o3降智和幻觉倍增的原因可能找到了

OpenAI推出的满血O3“跑分”（Benchmark）貌似又被独立测试揭穿是刷榜了，而奇怪的测试基准数据可能就是o3降智和幻觉倍增的原因？你可能要问了，一个数学基准测试，与降智和幻觉有什么关系？事情要从去年12月说起。

4/22/2025 9:18:57 AM

AI寒武纪

MCP vs Function Calling，该如何选？

Hello folks，我是 Luga，今天我们来聊一下人工智能应用场景落地 - 如何为 LLM 集成选择合适的策略？众所周知，大型语言模型（LLMs）已经彻底改变了企业自动化、客户交互以及决策制定的方式，其强大的语言生成能力为各行业带来了前所未有的机遇。然而，要充分发挥 LLMs 的潜力，仅仅部署一个预训练模型是远远不够的。

4/22/2025 9:17:41 AM

Luga Lee

全球首个无限时长视频生成！新扩散模型引爆万亿市场，电影级理解，全面开源

不是5秒，不是10秒，更不只是1分钟。 AI视频生成，正式迎来无限时长的时代！来，话不多说，直接来看一部AI版《罗马假日》：而就是这么一部小短剧片段，它的“起点”，仅仅就是一张照片和一句Prompt：身着优雅西装的欧美男子与一位美女漫步在罗马街头，分享各自的生活趣事，眼神中满是欣赏；夕阳西下，余晖洒在两人脸上，彼此深情对视。

4/22/2025 9:17:00 AM

量子位