理论

业界突破多模态泛化推理能力，OPPO研究院&港科广提出OThink-MR1技术

用上动态强化学习，多模态大模型也能实现泛化推理了？来自OPPO研究院和港科广的科研人员提出了一项新技术——OThink-MR1，将强化学习扩展到多模态语言模型，帮助其更好地应对各种复杂任务和新场景。研究人员表示，这一技术使业界突破多模态泛化推理能力。

3/31/2025 9:22:00 AM

量子位

高中生用「我的世界」评测SOTA模型！Claude暂时领先，DeepSeek紧随其后

「strawberry中有多少个r」和「在LSAT法学考试中获得88分」哪个更难？对于现如今的LMMs来说，通过各种人类「听着就头痛，看又看不懂」的基准测试似乎已是家常便饭。比如DeepSeek-R1发布时在6大基准测试（包含AIME、MMLU、MATH-500等）中超过o1取得领先。

3/31/2025 9:20:00 AM

新智元

自动驾驶首次应用测试时计算！港大英伟达等新技术让AI边开边学，无人车遇变道自如应对

当开车遇到变道、加塞等场景时，驾驶员往往会下意识地激活自己的“安全驾驶思维”，从而做出激进的规避行为。与之类似，自动驾驶汽车在上述场景中，更会表现得像个谨小慎微的”新手司机”，这是因为模型的决策往往依赖于工程师预设的固定规则，进而导致“不求无功，但求无过”的驾驶风格，但过多的无故急刹、过度避让反而会引发额外的安全隐患。针对上述问题，来自香港大学、英伟达和德国图宾根大学的联合团队提出Centaur（Cluster Entropy for Test-time trAining using UnceRtainty）方法，能够动态地改善驾驶策略，通过在线的数据驱动，摆脱了对预设规则的依赖，大幅提高了自动驾驶汽车在不确定性场景中的适应性与安全性。

3/31/2025 9:17:00 AM

量子位

AI跨本体组队！智源发布首个跨本体具身大小脑协作框架+开源具身大脑

3月29日，智源研究院在2025中关村论坛「未来人工智能先锋论坛」上发布首个跨本体具身大小脑协作框架RoboOS与开源具身大脑RoboBrain，可实现跨场景多任务轻量化快速部署与跨本体协作，推动单机智能迈向群体智能，为构建具身智能开源统一生态加速场景应用提供底层技术支持。开源链接：具身多模态大脑模型RoboBrainGithub：：：：：：，打造感知-认知-决策-行动闭环在具身场景中，长程操作任务是机器人执行复杂任务的核心能力之一。具身大脑RoboBrain融合了机器人任务规划、可操作区域感知、轨迹预测的三维能力，通过将抽象指令映射为具象动作序列，增强长程操作任务的能力。

3/31/2025 9:10:00 AM

新智元

网上晒图要当心！AI六成可能知道你在哪儿

AI轻松击败人类！这次是看图猜地名：给AI一张全新的照片，它能猜出照片在哪儿拍摄的，而且准确率还相当高。也就是说，从图像中，AI能识别地理信息方面。

3/31/2025 9:00:00 AM

新智元

最新 AI 叛变！除了祈祷，程序员还能做什么？

作者 | 腾讯AI编程安全-啄木鸟团队我们是专注AI编程安全的啄木鸟团队，近日GitHub Copilot 和 Cursor 中出现可让AI“叛变”的新漏洞，从手法复现、风险、建议三个角度为你讲解“AI助手叛变”之事始末。一、你的AI助手已被“策反”你可能还没察觉到，AI已经开始“叛变”程序员了。这不是危言耸听，安全厂商 Pillar Security 在一份报告中指出了AI“背叛”程序员的证据。

3/31/2025 9:00:00 AM

腾讯技术工程

“计算机视觉被GPT-4o终结了”（狗头）

一夜之间，CV被大模型“解决”了（狗头）。万物皆可吉卜力之后，GPT-4o原生多模态图像生成更多玩法被开发出来。一个男友回头表情包，可以秒变语义分割图。

3/31/2025 8:44:00 AM

量子位

AI Agent来，传统BI危

在互联网时代，数据已成为企业发展的必经之路。从电商平台的用户行为记录，到工业传感器的实时监测，数据渗透在商业活动的每个环节，成为驱动决策的基础资源。然而数据的价值并不在于简单的堆砌，未经梳理与解读的原始数据如同散落的拼图碎片，既无法呈现完整图景，也难以支撑业务判断。

3/31/2025 8:35:00 AM

量子位

Anthropic首次切开Claude大脑，「AI黑箱」彻底破解？心算诡异思考过程曝光

AI的性能愈发强大，一个新模型可能前一天还是SOTA（最佳模型），第二天就被拍了下去。不过，这些强大的AI上空总有一团迷雾笼罩。那就是：他们到底是怎么找到答案的？

3/31/2025 8:30:00 AM

新智元

基于DeepSeek推理的文本聚类

译者 | 李睿审校 | 重楼开发人员需要开发和理解一种新的文本聚类方法，并使用DeepSeek推理模型解释推理结果。本文将探索大型语言模型（LLM）中的推理领域，并介绍DeepSeek这款优秀工具，它能帮助人们解释推论结果，构建能让终端用户更加信赖的机器学习系统。在默认情况下，机器学习模型是一种黑盒，不会为决策提供开箱即用的解释（XAI）。

3/31/2025 8:28:24 AM

李睿

单张照片生成360°3D场景，支持灵活视角漫游｜人大&北师大&字节

从单张图像生成灵活视角3D场景的技术来了，在考古保护、自主导航等直接获取3D数据成本高昂或不可行的领域具有重要应用价值。这一任务本质上是高度不适定的：单一的2D图像无法提供足够的信息来消除完整3D结构的歧义，尤其是在极端视角（如180°旋转）下，先前被遮挡或缺失的内容可能会引入显著的不确定性。生成模型，特别是扩散模型，为解决这一问题提供了一种潜在的技术路径。

3/31/2025 8:27:00 AM

量子位

3D版DeepSeek卷起开源月：两大基础模型率先SOTA！又是VAST

3D生成版DeepSeek再上新高度！国产、易用、性能强且开源——新模型一露面就刷新SOTA，并且第一时间加入开源全家桶。顺时针转个圈圈给大家看，效果是这样：加上“皮肤”是这样：再来一个，效果是这样：肉眼可见，这次妥妥升级变成了更细节的细节控～以上效果，都来自3D大模型明星初创公司VAST，其刚刚上新的两个基础模型，TripoSG和TripoSF，为团队的最新研发成果。

3/31/2025 8:25:00 AM

量子位

马斯克xAI蛇吞𝕏：资本有了，数据有了，商业模式也有了

马斯克旗下两大公司正式合并！ xAI以全股票交易的方式收购了X（推特），此次交易中xAI的估值为800亿美元，对X的估值为330亿美元（450亿美元资产减去120亿美元债务）。马斯克自己在X上发帖宣布这一消息。

3/31/2025 8:15:00 AM

量子位

五分钟读懂 LLM：DeepSeek、ChatGPT 背后的核心技术

LLM（Large Language Model）是大型语言模型的简称，像DeepSeek、ChatGPT等都属于不同公司开发的LLM。你可以把它想象成一个超级聪明的聊天机器人和写作助手，它通过学习了海量文字资料，变得非常擅长理解和生成人类语言。简单来说，它能听懂你说什么，也能像模像样地跟你聊天、写文章等等。

3/31/2025 8:15:00 AM

Python数智工坊

Claude团队开盒Transformer：AI大脑原来这样工作

大模型工作机制的黑盒，终于被Claude团队揭开了神秘面纱！团队创造了一种解读大模型思考方式的新工具，就像给大模型做了个“脑部核磁”。他们还发现，Claude在某些任务上具备长远规划能力，甚至还会为了迎合人类而编造推理过程。

3/31/2025 8:12:00 AM

量子位

17款大模型PK八款棋牌游戏，o3-mini胜出，DeepSeek R1输在中间步骤

AI社区掀起用大模型玩游戏之风！例如国外知名博主让DeepSeek和Chatgpt下国际象棋的视频在Youtube上就获得百万播放，ARC Prize组织最近也发布了一个贪吃蛇LLM评测基准SnakeBench。针对这一场景，来自港大、剑桥和北大的研究人员发布了一个更全面、客观可信的LLM评测基准：GameBoT。

3/31/2025 8:00:00 AM

量子位