AI在线 AI在线

理论

多模态生成框架新SOTA：文本+空间+图像随意组合，20W+数据开源，复旦腾讯优图出品

多模态生成框架新SOTA：文本+空间+图像随意组合，20W+数据开源，复旦腾讯优图出品
能处理任意条件组合的新生成框架来了！ 复旦大学、腾讯优图实验室等机构的研究人员提出UniCombine，一种基于DiT的多条件可控生成框架，能够处理包括但不限于文本提示、空间映射和主体图像在内的任意控制条件的任意组合，并保持高度的一致性和出色的和谐性。 具体效果be like：图片据了解，现有的多条件可控生成框架或是只能处理单一种类的多个条件，或是只适用于某种特定的多类别组合，从而普遍缺乏通用性的多类别 多条件的组合式生成能力。
4/17/2025 2:55:00 AM
Dify+RAGFLow：基于占位符的图片问答升级方案

Dify+RAGFLow：基于占位符的图片问答升级方案
4/2 号时写了一篇 RAGFlow 实现图片问答的原理解析，后续在知识星球内有星友陆续反馈在使用我提供的源码复现时，会出现知识库中能渲染图片，但回答中图片无法正常加载的问题。 知识库预览和引用文件部分是直接展示原始数据或进行简单渲染，它们能正确显示图片，证明原始上传的增强文本中的 URL 是正确的，并且图片服务器和网络配置是通的，问题出在聊天内容生成这个环节。 我当时提供了三种选择选择，分别是：更强的 prompt 指令、更强的 LLM 和”占位符 后处理“的方案，鉴于后续大家反馈前两种效果依然不够稳定，这篇我来系统的分享下如何实现第三种更符合实际生产场景的 RAG 富文本处理方案。
4/17/2025 1:00:00 AM
韦东东
突然的大招！刚刚，腾讯元宝直接成为微信好友，腾讯找到了新希望！

突然的大招！刚刚，腾讯元宝直接成为微信好友，腾讯找到了新希望！
继微信接入 DeepSeek 之后，刚刚腾讯再次放出流量大招，用户可以加微信好友“元宝”。 你可以和他对话，也可以发链接、文件给他；元宝可以无缝与用户对话，路径更短。 你甚至可以把它置顶。
4/16/2025 10:17:33 PM
突发！字节AI Lab将整体并入Seed团队！字节AI Lab消亡史全梳理：比达摩院更早，曾撑起抖音推荐神话，如今彻底退出舞台

突发！字节AI Lab将整体并入Seed团队！字节AI Lab消亡史全梳理：比达摩院更早，曾撑起抖音推荐神话，如今彻底退出舞台
编辑 | 李美涵出品 | 51CTO技术栈（微信号：blog51cto）据《AI科技评论》报道，字节跳动 AI Lab 将整体并入 Seed 团队，标志着这个成立已久的老牌研究院式组织，正在被一种更“扁平化”的新型研发模式彻底取代。 自 2025 年 2 月原 Google DeepMind 副总裁吴永辉加入字节以来，字节的 AI 业务陆续迎来一系列组织架构和人事上的重大调整。 原本由朱文佳独立负责的 Seed 部门，如今逐步演变为吴永辉与朱文佳分工协作的双负责人机制：朱文佳主抓模型应用方向，吴永辉则掌舵 AI 基础研究。
4/16/2025 4:45:52 PM
李美涵
AI驱动内容分享！传OpenAI和Kimi都在探索打造新型社交网络

AI驱动内容分享！传OpenAI和Kimi都在探索打造新型社交网络
在人工智能飞速发展的今天，AI 技术正在不断重塑我们的社交和内容分享方式。 最近，有消息称 OpenAI 正在研发一款全新的社交平台，而 Kimi 所属的月之暗面也有类似的计划。 这不仅引发了科技界的广泛关注，也为未来的社交网络发展带来了新的可能性。
4/16/2025 3:31:14 PM
视频推理R1时刻，7B模型反超GPT-4o！港中文清华推出首个Video-R1

视频推理R1时刻，7B模型反超GPT-4o！港中文清华推出首个Video-R1
语言模型的推理刚火完，视频AI也开始「卷」起来了。 这次出手的是港中文 清华组合，直接把强化学习里的R1玩法搬到了视频领域，整出了全球首个视频版R1模型：Video-R1。 别看它只有7B参数，但它在李飞飞提出的VSI-Bench基准中，竟然超越了GPT-4o！
4/16/2025 3:28:31 PM
新智元
MIT惊人神作：AI独立提出哈密顿物理！0先验知识，一天破译人类百年理论

MIT惊人神作：AI独立提出哈密顿物理！0先验知识，一天破译人类百年理论
充满想象力的MIT大牛团队，又有新作了！ 大佬Max Tegmark、Ziming Liu等人在一项新研究中发现，AI能够在没有任何先验知识的情况下，能够完全独立地提出哈密顿物理量。 论文地址：，这里的AI是LNN，而非LLM。
4/16/2025 3:28:01 PM
新智元
Manus平替方案：用DeepSeek+MCP Server构建AI自主工作流

Manus平替方案：用DeepSeek+MCP Server构建AI自主工作流
前言在AI技术日新月异的今天，我们正见证着LLM（大语言模型）从"能说会道"向"能工巧匠"的进化。 当Anthropic推出Model Context Protocol（MCP）时，它像一道闪电划破夜空——这个被称作AI界的USB-C的协议，正在重新定义人机协作的边界。 作为一个沉迷于技术探索的开发者，我始终在寻找让AI真正"落地"的方法。
4/16/2025 3:22:51 PM
后端小肥肠
Claude终于能Research了！打通谷歌全家桶，工作效率10倍提升

Claude终于能Research了！打通谷歌全家桶，工作效率10倍提升
今天凌晨，Anthropic官方推出了两个重磅新功能：Research以及与Google Workspace集成。 Anthropic称Research功能是与Claude合作的新方式。 它能从多个角度分析问题，自动搜索信息，几分钟之内给出答案。
4/16/2025 1:51:29 PM
新智元
迈向推理时代：900+篇参考文献揭示长链思维的前世今生，最全综述来了

迈向推理时代：900+篇参考文献揭示长链思维的前世今生，最全综述来了
论文标题：Towards Reasoning Era: A Survey of Long Chain-of-Thought for Reasoning Large Language Models论文主页：： 仓库：. 迈向推理时代  900 篇文献揭示长链思维（Long CoT）的前世今生近年来，大模型（Large Language Models, LLMs）在数学、编程等复杂任务上取得突破，OpenAI-o1、DeepSeek-R1 等推理大模型（Reasoning Large Language Models，RLLMs）表现尤为亮眼。 但它们为何如此强大呢？
4/16/2025 1:28:00 PM
机器之心
AI涌现人类情感！希腊「乐之神」Orpheus开源，单卡可跑语音流式推理

AI涌现人类情感！希腊「乐之神」Orpheus开源，单卡可跑语音流式推理
大语言模型（LLM）还能涌现什么能力？ 这次开源模型Orpheus，直接让LLM涌现人类情感！ 对此，Canopy Labs的开源开发者Elias表示Orpheus就像人类一样，已经拥有共情能力，能从文本中产生潜在的线索，比如叹息、欢笑和嗤笑。
4/16/2025 9:46:46 AM
新智元
黄仁勋5000亿豪赌：AI超算首次Made in USA！

黄仁勋5000亿豪赌：AI超算首次Made in USA！
英伟达周一抛出重磅消息，宣布将首次在美国制造AI超级计算机。 未来四年内，英伟达将通过与台积电、富士康、纬创资通、安靠（Amkor）和矽品（SPIL）的合作，在美国打造出价值5000亿美元的AI基础设施。 目前，位于亚利桑那州凤凰城的台积电工厂已经率先开工，开始生产Blackwell芯片。
4/16/2025 9:41:46 AM
新智元
永别了，GPT-4！

永别了，GPT-4！
猝不及防地，GPT-4就这样退出历史舞台了。 4月10日，OpenAI正式宣布，即将从ChatGPT中移除两年前推出的GPT-4。 从4月30日起，GPT-4将被当前的默认模型GPT-4o完全取代。
4/16/2025 9:35:03 AM
新智元
GPT-4.1全网实测来袭，惨遭谷歌Gemini碾压！大佬猜测：从GPT-4.5蒸馏的

GPT-4.1全网实测来袭，惨遭谷歌Gemini碾压！大佬猜测：从GPT-4.5蒸馏的
不过两月，GPT-4.5正式出局，前浪把后浪拍在了沙滩上。 GPT-4.1家族的出世，以更强编码性能，百万token上下文，更具性价比的价格，直接击穿了4.5。 nano版的GPT-4.1性能足以媲美GPT-4o mini，而且速度更快，价格更便宜。
4/16/2025 9:30:16 AM
新智元
英伟达含量为零！华为密集模型性能比肩DeepSeek-R1，纯昇腾集群训练

英伟达含量为零！华为密集模型性能比肩DeepSeek-R1，纯昇腾集群训练
密集模型的推理能力也能和DeepSeek-R1掰手腕了？ 华为利用纯昇腾集群训练出的盘古Ultra，在数学竞赛、编程等推理任务当中，和R1打得有来有回。 关键是模型参数量只有135B，整个训练过程零英伟达含量，而且没有出现损失尖峰。
4/16/2025 8:50:00 AM
量子位
ICLR 2025时间检验奖颁给Adam之父！Bengio「注意力机制」摘亚军

ICLR 2025时间检验奖颁给Adam之父！Bengio「注意力机制」摘亚军
刚刚，ICLR 2025时间检验奖公布！ 斩获大奖的是，xAI工程师、Hinton高徒Jimmy Ba发表的Adam优化器。 获得亚军的是，Yoshua Bengio团队提出的「注意力机制」，为Transformer和大模型奠定了基础。
4/16/2025 8:30:00 AM
新智元
从黑箱到透明工厂：Anthropic用回路追踪技术给LLM装上思维监控屏​

从黑箱到透明工厂：Anthropic用回路追踪技术给LLM装上思维监控屏​
译者 | 朱先忠审校 | 重楼引言多年来，基于Transformer的大型语言模型（LLM）在从简单的信息检索系统到能够进行编码、写作、开展研究的复杂智能体等一系列任务上取得了长足的进步。 然而，尽管这些模型功能强大，但它们在很大程度上仍然是黑匣子。 给定输入，它们可以完成任务，但我们缺乏直观的方法来理解任务的具体完成方式。
4/16/2025 8:05:00 AM
朱先忠
人工智能在科学发现中的崛起：AI 能否真正跳出思维定式？

人工智能在科学发现中的崛起：AI 能否真正跳出思维定式？
译者 | 涂承烨审校 | 重楼人工智能（AI）正在快速发展，其应用已遍布到医疗、金融、教育和娱乐等行业，而最令人兴奋的领域之一便是科学研究。 AI 处理海量数据、识别复杂模式并做出预测的能力，正在加速科学发现的步伐。 这引发了一个有趣的问题：AI 能否像人类科学家一样跳出思维定式，提出真正新颖的想法？
4/16/2025 8:00:00 AM
涂承烨