资讯列表
多模态开发踩坑实录
你是不是也遇到这种情况：代码写完了、跑起来也没报错，但模型就是“不看图”？ 别急，这事儿很常见——多模态开发不难，难在模型是否真支持多模态。 本文用最简单的方式，带你把“文字 图片”的多模态对话跑起来，并告诉你常见坑怎么避。
10/27/2025 1:11:00 AM
红绿灯灯灯灯
第二波！2025年10月精选实用设计干货合集
大家好，这是 2025 年 10 月第 2 波干货合集！ 这一期干货合集当中，有基于 AI 的 UI 和视觉设计平台，基于 AI 的全自动切片的开源工具，有精选的 AI 创作工具推荐网站，便当风 UI 在线编辑工具，来自资深设计总监的免费设计资料库、高品质创意灵感分享网站，以及专门生成 90 年代风格配色的在线网站。 当然，在继续阅读下去之前，记得看看往期干货中有没有你感兴趣的素材：下面我们具体看看这一期的干货:.
10/27/2025 1:00:06 AM
陈子木
全网刷屏的「电影感」三宫格图片，教你用AI快速生成！
更多AI教程：最近这两天，被一个三宫格 AI 图片给刷屏了。 还有那三句经典的台词：. “山的那边是什么。
10/27/2025 12:35:03 AM
数字生命卡兹克
三百年几何猜想被推翻，数学家首次发现「穿不过去」的多面体
想象一下，你手里拿着两个大小相同的骰子。 有没有可能在其中一个骰子上钻一条通道（tunnel），让另一个骰子能从中滑过去？ 你的直觉也许会告诉你「不可能吧」，如果是这样，你不是唯一这样认为的。
10/26/2025 7:17:00 PM
机器之心
手把手带你入门机器人学习，HuggingFace联合牛津大学新教程开源SOTA资源库
入坑机器人的春天来了。 众所周知，机器人学本质上是一个多学科交叉的领域，自 20 世纪 60 年代诞生以来，已经取得了前所未有的进步。 尤其是在大模型诞生，多模态大模型等人工智能技术蓬勃发展的当下，机器人领域与过去经典机器人学产生了重大的变化，机器人学习成为了现代机器人学的中流砥柱。
10/26/2025 7:12:00 PM
机器之心
NeurIPS25高分论文｜以判别式监督学习强化推理LLM，解决难度偏差和熵崩塌难题
作者介绍：德州农工大学博士生李港，专注于设计和应用高效算法到大规模机器学习和人工智能任务，包括增强大型基础模型的后训练算法、对抗性鲁棒学习算法和分布鲁棒性学习算法。 曾发表数篇论文在 NeurIPS、ICML、KDD 等顶会， 并作为主要贡献者之一发布了针对不平衡分类任务的知名软件包 LibAUC。 DeepSeek-R1 的成功吸引了人们对群体相对策略优化（GRPO）作为大型推理模型（LRM）强化学习方法的广泛关注。
10/26/2025 7:04:00 PM
机器之心
连马桶都会看图说话了，巨头敢卖，你敢坐么？
屎屁尿也是宝贵数据，卫浴巨头把AI放进厕所，看好「被动式、零交互」的健康场景。 据说，日本人来香港买楼，有一条隐形标配：TOTO 智能马桶，必不可少。 加热座圈、温柔清洗、播放自然声掩盖尴尬声音，TOTO 早就把如厕体验做成了一门细腻的生活艺术。
10/26/2025 6:57:00 PM
机器之心
打造图像编辑领域的ImageNet？苹果用Nano Banana开源了一个超大数据集
苹果在大模型和大模型应用上总是慢人一步。 Apple Intelligence 发布也已经一年多了，除去其仍未能在国行设备上提供服务外，功能上也很难称得上有多好用。 就拿视觉生成类功能举例子，苹果的图像生成大概是这个画风：但在开放研究领域里，苹果似乎一整个脱胎换骨，在纯粹的研究中经常会有一些出彩的工作。
10/26/2025 6:52:00 PM
机器之心
NVIDIA港大MIT联合推出Fast-dLLM v2：端到端吞吐量提升2.5倍
自回归（AR）大语言模型逐 token 顺序解码的范式限制了推理效率；扩散 LLM（dLLM）以并行生成见长，但过去难以稳定跑赢自回归（AR）模型，尤其是在 KV Cache 复用、和 可变长度 支持上仍存挑战。 Fast-dLLM v2 给出了一条务实路线：将预训练 AR 模型适配为适配为能并行解码的 Block-dLLM—— 且只需～1B tokens 量级的微调即可达到 “无损” 迁移，不必训练数百 B tokens（如 Dream 需～580B tokens）。 在 A100/H100 上，它在保持精度的同时，将端到端吞吐显著拉高，最高可达 2.5×。
10/26/2025 6:48:00 PM
机器之心
深度拆解，硬核解构，揭开vLLM推理系统实现高效吞吐的秘籍
在大模型应用快速发展的今天，如何让推理变得更快、更高效，已经成为研究和产业界共同关注的焦点。 vLLM 便是在这样的背景下诞生的一套高性能推理框架。 它专门针对大语言模型的推理优化，在保持模型准确性的同时，大幅提升了吞吐量与响应速度。
10/26/2025 6:40:00 PM
机器之心
Transformer 之父“叛逃”：我已经受够了 Transformer！警告：AI研究变得越来越窄，我们需要找到新的架构
编辑 | 听雨出品 | 51CTO技术栈（微信号：blog51cto）“我真的已经受够了 Transformer。 ”——这句话来自 Transformer 的共同作者、Sakana AI 联合创始人 Llion Jones。 在旧金山 TED AI 大会上，这位被誉为“生成式 AI 时代奠基人”的研究者，突然“开炮”——不仅公开批评了整个 AI 行业的研究方向，还宣布自己已经“离开 Transformer”，开始寻找下一次重大突破。
10/26/2025 2:50:25 PM
听雨
破解AI对不同上下⽂位置的敏感度不⼀致，新框架使出“解铃还须系铃人”
Pos2Distill团队 投稿. 量子位 | 公众号 QbitAI语言模型遭遇严重的位置偏见，即模型对不同上下⽂位置的敏感度不⼀致。 模型倾向于过度关注输⼊序列中的特定位置，严重制约了它们在复杂推理、⻓⽂本理解以及模型评估等关键任务上的表现。
10/26/2025 12:15:35 PM
衡宇
P图老本事搭上了对话框，美图这AI Agent到底香不香？
梦瑶 发自 凹非寺. 量子位 | 公众号 QbitAI这些刷屏的AI图片，你刷到了没？ 就是那种——和自己专属emoji合影的黏土风照片，画风长这样：本来以为是NanoBanana整的新玩法，结果点开评论区一看：嗐，原来是美图自家的AI Agent——叫RoboNeo～.
10/26/2025 12:09:23 PM
衡宇
5个大疆离职员工，把3D打印带回风口
Jay 发自 凹非寺量子位 | 公众号 QbitAI3D打印机，重新火了。 上一次是概念，这一次是实实在在的日常产品。 街头巷尾，越来越多的夜市摊位开始摆上3D打印出来的产品，龙蛋、关节龙、关节蛇成了新一代「地摊网红」。
10/26/2025 8:23:33 AM
Jay
Perplexity 重磅发布！7个章节深度解析全新AI浏览器Comet
作为一位体验设计师我很热衷于体验各类产品，早前OpenAI也发布了ChatGPT Atlas，可惜老三的电脑版本过低无法体验。 看到Comet可以用时，让我兴奋不已，因为这是对"人与信息交互方式"这一本质问题的重新思考。 更多相关干货：注：文末分享邀请链接，可注册登录免费领取一个月会员体验。
10/26/2025 1:42:06 AM
要爆炸的张老三
Yoshua Bengio，刚刚成为全球首个百万引用科学家！
刚刚，计算机科学家 Yoshua Bengio 创造了新的历史，成为 Google Scholar 上首个引用量超过 100 万的人！ 打个直观的比方，如果我们将每一篇引用论文打印成册（假设平均厚度为 1 毫米），然后将它们垂直堆叠起来，这座由知识构成的纸塔将高达 1000 米。 这是什么概念？
10/25/2025 11:10:00 PM
机器之心
Anthropic、Thinking Machines Lab论文曝光：30万次压力测试揭示AI规范缺陷
即便是最详细的模型规范，也存在内部矛盾、粒度不足与解释歧义。 现如今，LLM 正越来越多地受到模型规范的约束，这些规范为模型的行为准则与伦理边界提供了清晰定义。 它们构成了 Constitutional AI（宪法式 AI） 与 Deliberate Alignment（审慎对齐） 的核心基础。
10/25/2025 11:05:00 PM
机器之心
让机器人「不仅会想，还能准确去做」，VLA-R1把「推理+行动」带进真实世界
在机器人与智能体领域，一个老大难问题是：当你让机器人 “把黄碗放进白色空篮子” 或 “从微波炉里把牛奶取出来放到餐桌上” 时，它不仅要看懂环境，更要解释指令、规划路径 / 可操作区域，并把这些推理落实为准确的动作。 目前，很多 VLA（Vision-Language-Action）模型仍倾向直接输出动作，缺乏对可供性（affordance）与轨迹（trajectory）几何关系的显式推理，一旦遇到颜色相近、目标重复或容器多选等场景，就容易出错。 VLA-R1 的目标，不仅把 “会想” 这步补上，而且通过强化学习进一步加强执行动作的准确性，让机器人解释清楚再去准确执行。
10/25/2025 11:02:00 PM
机器之心