资讯列表
ETT：打破原生多模态学习视觉瓶颈，重塑视觉tokenizer优化范式
本文由北京智源研究院多模态大模型研究中心（团队负责人王鑫龙，团队代表作 EMU 系列、EVA 系列、Painter & SegGPT）、中科院自动化所和大连理工大学联合完成。 在多模态学习蓬勃发展的当下，视觉 tokenizer 作为连接视觉信息与下游任务的关键桥梁，其性能优劣直接决定了多模态模型的表现。 然而，传统的视觉 tokenization 方法存在一个致命缺陷：视觉 tokenizer 的优化与下游任务的训练是相互割裂的。
5/28/2025 9:17:00 AM
One RL to See Them All？一个强化学习统一视觉-语言任务！
强化学习 (RL) 显著提升了视觉-语言模型 (VLM) 的推理能力。 然而，RL 在推理任务之外的应用，尤其是在目标检测和目标定位等感知密集型任务中的应用，仍有待深入探索。 近日，国内初创公司 MiniMax 提出了 V-Triune，一个视觉三重统一强化学习系统，它能使 VLM 在单一的训练流程中同时学习视觉推理和感知任务。
5/28/2025 9:15:00 AM
大厂程序员：AI正在将我们变成高速流水线工人，受不了了
万万没想到，大厂程序员真要成流水线工人了。 这不是谁危言耸听，而是亚马逊不少程序员最近的亲身感受——很早开始，亚马逊官方就鼓励大伙儿在工作中用AI。 结果发展到今天，“鼓励”更像是一种变相强迫：高层认为AI能提效，所以不少团队人员直接砍半，项目ddl却大大提前。
5/28/2025 9:13:00 AM
阿里开源长文本深度思考模型！渐进式强化学习破解长文本训练难题，登HuggingFace热榜
推理大模型开卷新方向，阿里开源长文本深度思考模型QwenLong-L1，登上HuggingFace今日热门论文第二。 其32B参数版本超过OpenAI-o3-mini、Qwen3-235B-A22B等，取得与Claude-3.7-Sonnet-Thingking相当的性能。 除测评分数外，论文中还详细展示了一个金融文档推理的案例。
5/28/2025 9:09:00 AM
谷歌·搜索：献给AI的第一个「祭品」？
谷歌打算用AI先革了自己的命，从搜索引擎开始。 在搜索的主页上，谷歌已经将AI Overviews和AI Mode排在了最前面。 谷歌搜索长期免费，主要依靠在搜索结果中投放广告来创收。
5/28/2025 9:04:00 AM
Meta宣布重组AI部门：拆分为“AI 产品”与“AGI 基础”两大团队
Meta 宣布重大 AI 部门重组，拆分为“AI 产品”与“AGI 基础”两大团队，以应对技术挑战并加快产品开发。 此次架构调整中，原有的 AI 部门被划分为两个核心团队:“AI 产品”组由 Connor Hayes 领导，专注于 Meta AI 助手及其在 Facebook、Instagram 和 WhatsApp 等平台上的功能应用。 “AGI 基础”组则由 Ahmad Al-Dahle 和 Amir Frenkel 共同执掌，聚焦于 Llama 模型的研发、先进推理能力及多模态模型的探索。
5/28/2025 9:00:50 AM
AI在线
SAP 与阿里巴巴达成战略合作，接入阿里通义千问
近日，阿里巴巴集团与全球企业软件巨头 SAP 正式宣布达成全面战略合作。 此次合作旨在深度融合 SAP 的企业级解决方案与阿里云的云计算基础设施及人工智能能力，以共同推动全球企业的数字化转型进程。 根据双方的合作协议，SAP 将探索接入阿里巴巴的通义千问大模型。
5/28/2025 9:00:50 AM
AI在线
Mistral 推出 Agents API:为企业打造可协作、可记忆的 AI 代理
Mistral AI 推出全新 Agents API，旨在将语言模型扩展为面向企业实际应用的智能代理系统。 这一框架为基础语言模型增添了用于任务操作、上下文跟踪与代理编排的工具，使多个 AI 代理不仅能独立执行任务，还能协同合作、接入外部系统，构建完整的业务流程。 每个代理可通过连接器与 MCP（模型上下文协议）工具对接，支持运行 Python 脚本、网页搜索、生成图像(由 Black Forest Lab FLUX1.1[pro] Ultra 驱动)，或从 Mistral Cloud 中提取文档。
5/28/2025 9:00:50 AM
AI在线
Trae国际版开启付费订阅模式，首月Pro订阅仅3美元，Claude4加持
Trae，作为由ByteDance推出的AI驱动集成开发环境（IDE），自2025年1月20日发布以来，以其强大的AI功能和无缝的开发体验迅速在全球开发者社区中崭露头角。 近期，Trae国际版正式推出付费订阅策略，标志着其从完全免费向可持续商业模式的转变。 本篇报道由AIbase整理，基于最新网络信息，带您深入了解Trae国际版付费策略的细节及其对开发者的潜在影响。
5/28/2025 9:00:50 AM
AI在线
一文读懂 RAG Fixed-Size Chunking 策略解析与优秀实践
Hello folks，我是 Luga，今天我们来聊一下人工智能应用场景 - 构建高效、灵活的计算架构的 RAG 架构的切块策略—Fixed-Size Chunking（固定切块）。 众所周知，在构建 RAG（Retrieval-Augmented Generation，检索增强生成）系统的过程中，文档切块策略往往决定了模型检索质量的上限。 切得好，信息命中更精准，生成回答更有上下文逻辑；切得差，模型则容易“答非所问”。
5/28/2025 9:00:00 AM
Luga Lee
告别卡脖子，华为黑科技破局！昇腾推理加速1.6倍打破LLM降智魔咒
LLM发展到今天，下一步该往哪个方向探索？ 显然，如今最明显的一个问题就是，大模型的参数规模还是太大了——DeepSeek-V3的参数为671B，Llama 3.1系列最大为405B，GPT-4o为200B，Claude 3.5 Sonnet为175B。 参数规模在不断增长，高昂的计算成本和推理延迟，该怎么破？
5/28/2025 8:51:00 AM
测试技术弹性并制定90天行动计划的五个问题
重大事件要求公司迅速作出反应，这意味着你的技术架构需要具备足够的敏捷性，以应对前所未有的环境变化。 技术演进的前所未有的速度、持续的地缘政治不稳定以及不断变化的贸易协定格局，只是许多公司近期不得不适应的几个动态因素。 最成功的企业是那些能够有效应对宏观事件的企业，无论是监管变化、技术发展、供应链调整还是市场准入重新调整。
5/28/2025 7:00:00 AM
Koenraad
性能优化！七个策略，让Spring Boot 处理每秒百万请求
环境：SpringBoot3.4.21. 简介在实施任何优化前，我首先明确了性能基准。 这一步至关重要——若不清楚起点，便无法衡量进展，也无法定位最关键的改进方向。
5/28/2025 5:10:00 AM
Springboot实战案例锦集
我的RAG开源项目300+star了，十分适合新手入门（日志级详细拆解）
三个月前，我在 Github 上开源的一个 RAG 练手项目，目前已经有了 327 个 star，总共解决了 22 个 issues。 结合过去几个月的项目实践，我重新对项目做了轻量化重构，降低资源消耗与部署门槛。 项目地址：，五脏俱全。
5/28/2025 5:00:00 AM
韦东东
AI重塑数据治理的底层逻辑
上个月，一位老友约我喝茶。 他是某知名互联网公司的数据总监，聊天时满脸愁容。 "润总，我们公司数据治理团队有50多人，每天忙得团团转，可数据质量还是一团糟。
5/28/2025 4:00:00 AM
有趣有用有姿态的
MMaDA：多模态大型扩散语言模型的创新突破
大家好，我是肆〇柒。 今天，我们来聊聊一篇来自普林斯顿大学、北京大学、清华大学和字节跳动的研究团队的最新成果——MMaDA（Multimodal Large Diffusion Language Models）。 这项研究在多模态人工智能领域带来了新的突破，其创新的统一扩散架构和先进的后训练策略，为多模态任务的处理提供了全新的思路和解决方案。
5/28/2025 3:30:00 AM
肆零柒
AI问答系统的挑战之语义鸿沟与知识盲点，让大模型理解行业黑话
许多企业在引入通用型AI问答系统后，普遍面临两大核心技术挑战：语义理解的精准度不足和领域知识的深度缺失。 这直接导致系统在处理行业特定术语（黑话）时表现不佳，进而影响问答的准确性和用户体验。 行业黑话识别难题的技术根源通用AI模型主要依赖大规模、多领域的公开语料进行预训练。
5/28/2025 3:00:00 AM
贝塔街的万事屋