AI在线 AI在线

理论

AI集体“听不懂”！MMAR基准测试揭示音频大模型巨大短板

AI集体“听不懂”！MMAR基准测试揭示音频大模型巨大短板
用AI来整理会议内容，已经是人类的常规操作。 不过，你猜怎么着？ 面对1000道多步骤音频推理题时，30款AI模型竟然几乎全军覆没，很多开源模型表现甚至接近瞎猜。
6/10/2025 9:10:00 AM
AI七个月突破数学家“围剿”反超人类！14位数学家深挖原始推理token：不靠死记硬背靠直觉

AI七个月突破数学家“围剿”反超人类！14位数学家深挖原始推理token：不靠死记硬背靠直觉
从只能答对2%的题目，到在超难数学题集中刷下22%得分，甚至超过人类团队平均水平，大模型需要多长时间？ 现在，令数学家们都惊讶的结果已经尘埃落定：7个月。 发生在大名鼎鼎的“专为为难大模型而生的”FrontierMath基准测试上的这一幕，在激起热议同时，也引发了新的思考：大模型们是怎么做到的？
6/10/2025 9:09:00 AM
双重突破：全球首个零售VLA大模型来了！开源OpenWBT让机器人遥操门槛暴降！

双重突破：全球首个零售VLA大模型来了！开源OpenWBT让机器人遥操门槛暴降！
学会“适当暂停与总结”，大模型终于实现无限推理。 想象一下，让你一口气不歇地推演一个超复杂数学证明，大脑也会“内存溢出”吧？ 如今的大模型在长上下文推理中也面临同样的困境，随着推理长度增加而指数级增长的计算成本，以及由于长度受限而被迫中断推理过程。
6/10/2025 9:07:00 AM
首创像素空间推理，7B模型领先GPT-4o，让VLM能像人类一样「眼脑并用」

首创像素空间推理，7B模型领先GPT-4o，让VLM能像人类一样「眼脑并用」
视觉语言模型（VLM）正经历从「感知」到「认知」的关键跃迁。 当OpenAI的o3系列通过「图像思维」（Thinking with Images）让模型学会缩放、标记视觉区域时，我们看到了多模态交互的全新可能。 然而，当前主流VLM仍被困在「文本茧房」中——依赖文本token间接翻译视觉信息，在高清图像中的微小物体、视频里的动态细节等场景中，常常因缺乏直接视觉操作能力而「视而不见」。
6/10/2025 9:07:00 AM
无需SFT也不用RL，样本级推理优化神器SLOT来了，准确率轻松+10%

无需SFT也不用RL，样本级推理优化神器SLOT来了，准确率轻松+10%
试想一下，如果你参加考试时，可以在答题前花几秒钟「适应」一下这道具体的题目，你的表现会不会更好？ 这正是西湖大学研究团队在最新论文中提出的核心思想。 他们开发的 SLOT（Sample-specific Language Model Optimization at Test-time）方法，把每个输入 prompt 本身当作一份「迷你训练数据」，让模型在生成答案前先「学习」理解这个具体问题。
6/10/2025 9:05:00 AM
大模型能够自发形成“人类思维地图”！Nature子刊重磅研究揭示多模态大模型类脑机制

大模型能够自发形成“人类思维地图”！Nature子刊重磅研究揭示多模态大模型类脑机制
大模型≠随机鹦鹉！ Nature子刊最新研究证明：大模型内部存在着类似人类对现实世界概念的理解。 LLM能理解现实世界和各种抽象概念吗？
6/10/2025 9:04:00 AM
破解自驾数据难题！毫米波雷达可控仿真技术新框架来了

破解自驾数据难题！毫米波雷达可控仿真技术新框架来了
以神经网络为核心引擎，让AI承担雷达仿真数据生成任务，还实现对雷达物理特性的建模与控制——这就是光轮智能联合清华AIR、LeddarTech等机构提出的全新自动驾驶神经渲染框架SA-Radar。 在无需雷达具体细节的情况下，它能实现可控且逼真的雷达仿真，支持场景的灵活编辑——包括雷达属性修改、演员移除以及新视角合成，并能显著增强多种下游任务。 作为高级驾驶辅助系统（ADAS）中扮演着至关重要角色的雷达，其相关研究和开发仍面临数据获取的挑战。
6/10/2025 8:45:00 AM
李飞飞自曝详细创业经历：五年前因眼睛受伤，坚定要做世界模型

李飞飞自曝详细创业经历：五年前因眼睛受伤，坚定要做世界模型
因为眼睛受伤暂时失去立体视觉，李飞飞更加坚定了做世界模型的决心。 在a16z的最新播客节目中，“AI教母”李飞飞讲述了五年前因为一次角膜损伤暂时失去立体视觉的经历：尽管凭借多年经验能想象出三维世界，但一只眼睛看东西时，我开始害怕开车。 但作为一名科学家，她也把这次经历当成一次宝贵的“实验”机会。
6/10/2025 8:43:00 AM
生成式 AI 在 B 端软件中实践的思考

生成式 AI 在 B 端软件中实践的思考
我一直认为 C 端软件和 AI 的结合会更顺畅一些，例如，笔记工具“墨问”最近推出了 MCP 功能，允许我在各种客户端中与 AI 交互，并将结果通过 MCP 保存至其中。 这是因为大部分情况下，C 端对准确性的容忍度更高。 B 端软件则不同，其对准确性要求极高，尤其在金融、医疗等行业。
6/10/2025 8:34:47 AM
七种方式让你的AI编码结果更靠谱

七种方式让你的AI编码结果更靠谱
译者 | 核子可乐审校 | 重楼企业在积极引入AI的同时，也希望雇用更多工程师，期望开发者能够借AI之力将产出“提升10倍”。 但要真正高效运用AI编码助手，其中也有不少门道。 首先是AI编码助手的固有局限，其存在大量不确定性，因此容易引发种种难以避免的意外行为，例如随机删除代码或引入逻辑错误。
6/10/2025 8:30:50 AM
核子可乐
人工智能驱动的智能合约：自动化决策的未来

人工智能驱动的智能合约：自动化决策的未来
译者 | 晶颜审校 | 重楼引言在实践中，诸多主体常受制于低效且易出错的传统合同流程。 当交易因文书工作疏漏或人为失误而停滞时，往往会引发效率损耗与操作困境。 而人工智能驱动的智能合约正为这一领域带来革新力量。
6/10/2025 8:26:00 AM
晶颜
大厂实践： LLM 加速大规模测试迁移

大厂实践： LLM 加速大规模测试迁移
Airbnb最近完成了第一次由 LLM 驱动的大规模代码迁移，将 3500 个测试文件从 Enzyme 更新为 React测试库（RTL，React Testing Library）。 最初我们估计这需要 1 年半的时间来手工完成，但通过使用前沿模型和强大的自动化组合，我们在 6 周内完成了整个迁移。 本文将重点介绍从 Enzyme 迁移到 RTL 所面临的独特挑战，如何通过 LLM 解决这些挑战，以及如何构建迁移工具来执行 LLM 驱动的大规模迁移。
6/10/2025 8:15:00 AM
俞凡 DeepNoMind
我如何仅用 0.80 美元使用 Cursor 构建 17,000 行代码库

我如何仅用 0.80 美元使用 Cursor 构建 17,000 行代码库
市面上出现过不少工具来来去去，但 Cursor 搭配 Claude Sonnet 4 这组合，绝对称得上革命性。 三小时内，仅在 /lib 目录，就生成了超过 17,000 行代码，花费却不到一美元。 要么 Cursor 在赔钱运营，就像我叔叔烤火鸡烤焦那样惨烈，要么我找到了一个让 AI 编码极度低价的秘密。
6/10/2025 8:10:59 AM
前端小智
AI驱动型企业数据治理的三大关键支柱

AI驱动型企业数据治理的三大关键支柱
数据治理已从合规必要性转变为AI驱动型企业的战略支柱。 随着数据量在云端、边缘和混合环境中激增，围绕静态策略和定期审计构建的传统治理模式正日益失效。 AI和自动化要求治理框架能够实时运行，动态适应监管要求、安全威胁和业务需求。
6/10/2025 7:11:00 AM
Yash Mehta
如何解决导致GenAI程序沉没的两个问题

如何解决导致GenAI程序沉没的两个问题
在GenAI时代，发展轨迹呈现出典型的“进两步，退一步”模式。 随着公司逐渐掌握GenAI的独特复杂性，初期取得的进展往往伴随着倒退和重复工作，在某些情况下，甚至可能威胁到整个开发进程的停滞。 导致挫败感和延误的原因众多，从人才短缺到持续的数据质量问题不一而足，但根据我们过去两年与超过150家公司合作开展GenAI项目的经验来看，在构建过程中几乎总会遇到两个主要障碍：• 创新失败：流程限制、缺乏专注以及重复性的返工扼杀了创新。
6/10/2025 7:09:00 AM
Curt Jacobsen
小红书Hi Lab提出DeepEyes，探索O3「Thinking with Images」能力

小红书Hi Lab提出DeepEyes，探索O3「Thinking with Images」能力
OpenAI 的 o3 首次将图像直接注入推理过程，打破了传统文字思维链的边界，成为多模态推理新的里程碑。 但是如何赋予模型这一能力，目前不得而知。 因此，小红书联合西安交通大学，采用端到端强化学习，在完全不依赖监督微调（SFT）的前提下，激发了大模型“以图深思”的潜能，构建出多模态深度思考模型 DeepEyes，首次实现了与 o3 类似的用图像进行思考的能力，并已同步开源相关技术细节，让“用图像思考”不再是 OpenAI 专属。
6/10/2025 5:00:00 AM
RAG系列：切分优化 - 基于 Markdown 语法的文档切分

RAG系列：切分优化 - 基于 Markdown 语法的文档切分
引言在RAG系列：解析优化 - 不同文件类型统一转换成Markdown一文中我们介绍了将不同文件类型统一解析转换成 Markdown 文件的好处。 本文我们接着这篇文章解析转换后的 Markdown 文件，介绍下基于 Markdown 语法的文档切分方法。 关于指标在RAG系列：系统评估 - 五个主流评估指标详解一文中我们介绍了评估 RAG 系统的五个主流指标，从本文开始，我会根据不同优化阶段来选择要重点关注的指标，不必要每次都关注五个指标的表现，这样可以让我们的优化更聚焦，通过优化每个阶段的重点指标，从而逐步优化系统的各个环节。
6/10/2025 4:30:00 AM
燃哥讲AI
如何在不陷入复杂性陷阱的情况下构建生产就绪的 AI 代理

如何在不陷入复杂性陷阱的情况下构建生产就绪的 AI 代理
一、从“大而全”到“小而精”的范式转变在医疗管理领域，当凌晨2点的紧急审批因某个隐蔽漏洞被驳回时，那些标榜“全能”的超级智能体架构正在暴露其致命缺陷。 这些试图将资格审核、医疗必要性评估、申诉处理和医患沟通等功能一网打尽的“巨无霸”系统，如同希腊神话中试图吞噬一切的海妖卡律布狄斯，在演示阶段展现出雄心壮志，却在真实医疗场景中成为不可预测的风险黑洞。 这种困境折射出人工智能领域的一个深层矛盾：我们是否应该追求“全能型”智能体，还是回归“专精化”的本质？
6/10/2025 4:18:00 AM
大模型之路