资讯列表
科学家首次实现修正线粒体DNA突变，治愈不治之症打开新大门
治愈不治之症，又被向前推进了一公里：直接修改基因的那种。 发表在《PLOS Biology》（生物学top期刊）的最新研究显示，荷兰科学家成功纠正了线粒体DNA中的突变，在基因治疗领域取得重大突破。 我们知道，线粒体基因突变会导致其功能障碍，进而引发与衰老相关的疾病、某些类型的癌症以及严重且可能致命的母系遗传线粒体疾病。
8/5/2025 11:58:14 AM
不圆
“没有AI味”的Flux.1新模型，现可以免费试用
不圆 发自 凹非寺. 量子位 | 公众号 QbitAIAI生图，但是没有AI味，可能么？ 一款全新、可编辑、照片级的AI生图模型FLUX.1 Krea [dev]现已发布，可在Krea Edit上免费试用。
8/5/2025 11:48:40 AM
不圆
超百万奖金+Offer直通车，腾讯携手开放原子共推国家级开源大赛
8月5日，腾讯宣布，由开放原子开源基金会主办、腾讯承办的第三届开放原子大赛腾讯赛题正式启动招募。 总奖金池超百万元人民币，并设有绿色Offer通道，诚邀全球开发者参与。 首期赛题聚焦大模型、数据库、操作系统三大前沿技术方向，后续还将陆续推出更多赛题，通过开源协作攻坚产业技术难题，共同推动技术创新。
8/5/2025 11:43:02 AM
一水
ChatGPT用户数暴涨至7亿创纪录新高，OpenAI年化收入飙升至120亿美元
OpenAI正在经历前所未有的爆炸式增长。 该公司周一宣布，其旗舰产品ChatGPT的周活跃用户数已达到 7 亿，同比增长超过四倍，这一数字标志着AI应用领域的又一个重要里程碑。 用户增长势头强劲，商业化进程全面提速ChatGPT的用户增长呈现出惊人的加速趋势。
8/5/2025 11:19:01 AM
AI在线
小米全量开源MiDashengLM-7B：音频理解性能刷新SOTA，推理速度暴增20倍
小米今日正式发布并全量开源了MiDashengLM-7B多模态大模型，这款专注于音频理解的AI模型在性能和效率两个维度都实现了显著突破。 该模型不仅在22个公开评测集上刷新了多模态大模型的最好成绩，更在推理效率上展现出惊人优势——单样本推理的首Token延迟仅为业界先进模型的四分之一，数据吞吐效率更是高出20倍以上。 技术架构:双核心设计实现音频全域理解MiDashengLM-7B采用了创新的双核心架构设计，以Xiaomi Dasheng作为音频编码器，结合Qwen2.5-Omni-7B Thinker作为自回归解码器。
8/5/2025 11:19:01 AM
AI在线
北京和睦家医院与阿里达摩院合作，AI 驱动多病种筛查
近日，北京和睦家医院与阿里巴巴达摩院正式建立战略合作关系，旨在共同推动 “AI 驱动的疾病预防创新与卫生经济学价值”。 此次合作将依托达摩院研发的 “一扫多查”医疗 AI 技术，并结合和睦家医院的国际化诊疗标准及多网点覆盖优势，共同探索和落地面向广泛人群的多病种 AI 筛查服务。 北京和睦家医院院长盘仲莹表示，此次合作将人工智能与医学关怀深度融合，旨在通过前沿 AI 筛查技术，将癌症和慢性病的健康管理关口前移，为患者提供更高效、可靠、以人为本的医疗服务。
8/5/2025 11:19:01 AM
AI在线
东京大学推出 AI 语音服务，助力老年人早期识别认知障碍
近日，东京大学松尾研究室孵化的初创企业 IGSA 宣布推出一项针对50至70岁老年人的脑健康管理服务，名为 “聊聊吧”。 该服务旨在通过与人工智能进行简单的语音对话，帮助用户尽早识别轻度认知障碍等认知功能的变化。 用户只需在社交软件 LINE 上添加 “聊聊吧” 的官方账号，即可轻松开始使用，无需下载额外的应用程序。
8/5/2025 11:19:00 AM
AI在线
OpenMind推出机器人操作系统OM1：打造"机器人领域的安卓"，FABRIC协议实现机器人互联互通
硅谷初创公司OpenMind正在为机器人行业带来一场软件革命。 与众多专注于硬件开发的机器人公司不同，OpenMind将目光投向了机器人的"大脑"——开发名为OM1 的机器人操作系统，志在成为机器人领域的"Android"。 从硬件竞争转向软件生态当前机器人行业的竞争主要集中在硬件层面，包括运动控制、物体抓取、环境交互等功能组件的开发。
8/5/2025 11:18:59 AM
AI在线
AI初创公司Perplexity被指控“隐形爬行”:Cloudflare揭露其规避网站访问限制行为
Cloudflare发布报告称，人工智能搜索初创公司 Perplexity涉嫌规避旨在阻止其网络爬虫访问某些网站的限制。 据Cloudflare透露，当其爬虫遭遇阻挡时，Perplexity会通过隐藏身份的方式，试图绕过网站的偏好设置，包括已在robots.txt文件中声明的限制和Web应用程序防火墙（WAF）规则。 该指控加剧了外界对Perplexity未经授权获取内容的担忧。
8/5/2025 11:16:41 AM
AI在线
Lyft与百度携手进军欧洲，计划明年起部署无人驾驶出租车
美国网约车公司Lyft与中国科技巨头百度今日宣布达成合作，计划从2026年开始在欧洲市场部署无人驾驶出租车（Robotaxi）。 受此利好消息影响，Lyft和百度美股盘前均上涨超过3%。 根据协议，双方的合作将首先从英国和德国开始，待监管部门批准后，百度的第六代量产无人驾驶汽车RT6将在Lyft的平台上投入运营。
8/5/2025 11:16:39 AM
AI在线
OpenAI推出ChatGPT新功能，专注用户实用性而非点击量
据AIbase报道，OpenAI正为其旗舰产品ChatGPT推出一系列新功能，旨在提升其作为实用工具的价值，而非单纯追求用户参与度或点击量。 该公司表示，真正的成功在于用户是否愿意反复使用并从中学到东西。 通过提升工具的实用性，OpenAI相信用户将心甘情愿地付费。
8/5/2025 11:16:37 AM
AI在线
奥特曼深夜「放鸽子」！不发GPT-5，竟是给7亿用户「防沉迷」？
昨晚ChatGPT带来了一个好消息和一个坏消息。 好消息是，ChatGPT的最新数据出炉！ 这可能是地球上第一个如此之快达成周活7亿的APP，这意味着地球上每10个人中就有1个人使用ChatGPT。
8/5/2025 10:35:47 AM
新智元
破局酒店搜索零结果！携程AI搜索实战，复杂查询召回率提升90%
在AI快速发展的浪潮中，传统的关键词搜索早已难以满足用户日益复杂的需求。 尤其在酒店预订领域，如何精准理解“2大1小”“江浙周边遛娃”这类模糊却真实的意图，成了提升用户体验的关键。 本文将带您深入探索语义搜索如何颠覆传统检索方式，从实体识别、向量召回到大模型加持的语义理解，全面解析携程在智能搜索上的技术路径与实践经验。
8/5/2025 9:28:08 AM
复刻AlphaGo时刻？谷歌推出LLM评估新范式Game Arena：八大模型参赛，棋王当裁判
刚刚谷歌联合Kaggle推出了一个全新LLM评估平台- Game Arena，这个平台通过让LLM在战略游戏中直接对抗，提供一个客观、动态且可扩展的评估新范式。 为庆祝平台上线，将在北美时间8月5日举行首次LLM象棋比赛，八大顶尖AI模型（谷歌，OpenAI，Anthropic，xAI，DeepSeek，月之暗面）参与、世界棋王马格努斯·卡尔森等人解说据谷歌DeepMind CEO Demis Hassabis透露，目前模型的表现都不好另外OpenAI已经确定本周有重大发布，谷歌也表示会整大活，这个新的评估基准可能就是其中之一，这周大家可以期待一下，据说Claude 4.1也会发布，简直神仙打架，各位记得星标我，这样可以第一时间收到最新消息以下是关于Kaggle Game Arena详细信息谷歌DeepMind与全球最大的数据科学社区Kaggle共同宣布，正式推出Kaggle Game Arena——一个开放的、以战略游戏为核心的AI基准测试平台。
8/5/2025 9:20:49 AM
阿里刚刚开源Qwen-Image，免费版GPT-4o吉卜力，中文最好模型
今天凌晨，阿里巴巴达摩院开源了最新文生图模型Qwen-Image。 Qwen-Image是一个200亿参数的MMDiT模型，可生成写实、动漫、赛博朋克、科幻、极简、复古、超现实、水墨等几十种类型的图片，支持图片的风格迁移、增删改、细节增强、文字编辑，人物姿态调整等常规操作。 Qwen-Image也可以生成OpenAI的GPT-4o爆火全网的吉卜力风格图片。
8/5/2025 9:15:15 AM
27M参数逆袭千亿大模型！小而美AI正式挑战OpenAI霸权
一个明显的趋势是，AI圈正在上演一场前所未有的"大卫战歌利亚"的逆袭好戏。 当所有人都在追逐千亿参数的庞然大物时，一个仅有27M参数的"小不点"却悄然打破了游戏规则。 昨天看到一个消息，挺震撼的。
8/5/2025 9:13:12 AM
阿丸笔记
奥特曼：ChatGPT只是意外，全能AI智能体才是真爱！Karpathy：7年前就想到了
历史往往都是由无数「意外和巧合」所塑造的。 2022年，当研究员Hunter Lightman加入OpenAI时，他的同事们正忙于引爆全球的ChatGPT——这无疑是史上用户增长最快的现象级产品。 然而，Lightman却悄悄投身于一个看似不起眼的团队：MathGen。
8/5/2025 9:08:00 AM
监督学习未死，一题训练五小时起飞！华人学者新方法20倍训练效率释放大模型推理能力
大模型推理能力研究中，可验证奖励的强化学习（RL with Verifiable Rewards, 简称 RLVR）技术频频突破，尤其是“一题强化学习”（RL on One Example）在多个任务中表现亮眼，引发了广泛讨论。 但与此同时，一个现实难题也随之而来：哪怕只使用一个样本，RL的训练也往往需要上百小时的A100GPU支撑，资源成本极高；而训练过程的高度不稳定，也给复现和实际部署带来了极大障碍；相比之下，传统的监督式微调（SFT）虽然计算负担小，但在低数据量下极易过拟合，效果难以保证。 有没有一种方法，不依赖复杂的反馈信号，也不需要成千上万的数据样本，就能有效激发LLM中已蕴藏的推理能力？
8/5/2025 9:05:00 AM