资讯列表
打破跨模态干扰，快手东北大学联合提出统一多模态框架，横扫多模态检索基准
多模态检索是信息理解与获取的关键技术，但其中的跨模态干扰问题一直是一大难题。 可行的解决办法是构建一种统一的多模态表示方式，为此，来自快手与东北大学的研究人员推出了多模态统一嵌入框架——UNITE。 UNITE的核心目标，就是构建一个能同时处理文本、图像、视频及其融合模态输入的统一嵌入器。
6/9/2025 8:50:00 AM
RLHF已死，RLVR引爆AGI革命！Claude 4核心成员万字对谈
在Dwarkesh Patel主持的节目中，Anthropic的Sholto Douglas、Trenton Bricken等人，一起讨论了Claude 4是如何思考的。 三人私交甚好，聊了2小时20多分钟，主要集中在4个话题：1. 过去一年中人工智能研究的变化；2.
6/9/2025 8:48:00 AM
扩散语言模型扛把子LLaDA迎来新版本，数学、代码、对齐能力均提升
本文介绍的工作由中国人民大学高瓴人工智能学院李崇轩、文继荣教授团队与蚂蚁集团共同完成。 朱峰琪、王榕甄、聂燊是中国人民大学高瓴人工智能学院的博士生，导师为李崇轩副教授。 该研究基于团队前期发布的 8B 扩散语言模型 LLaDA（国内率先做到真正可用的扩散语言模型，是后续很多研究的主干基础模型），探索了扩散语言模型的偏好对齐方法，提出了方差缩减的偏好优化方法 VRPO，并利用 VRPO 对 LLaDA 进行了强化对齐，推出了 LLaDA 1.5。
6/9/2025 8:47:00 AM
多模态LLM+RAG：突破生成瓶颈的下一代AI架构革命
译者 | 朱先忠审校 | 重楼通过整合文本、图像、音频等数据，多模态大型语言模型（MLLM）开始突破传统RAG的文本局限，赋予AI感知能力。 其核心架构采用CLIP、Whisper等编码器实现跨模态语义统一，通过投影层对齐多模态信息。 不过，多模态大型语言模型的评估需要综合检索质量、生成忠实度及跨模态一致性等一系列指标实现。
6/9/2025 8:42:23 AM
朱先忠
生图效果媲美GPT-4o，一键搞定各类视觉生成任务丨港科广&字节全新框架
图像生成、视频创作、照片精修需要找不同的模型完成也太太太太太麻烦了。 有没有这样一个“AI创作大师”，你只需要用一句话描述脑海中的灵感，它就能自动为你搭建流程、选择工具、反复修改，最终交付高质量的视觉作品呢？ 这一切，现在通过一个由港科大（广州）和字节联合出品的全新的开源框架——ComfyMind实现了。
6/9/2025 8:40:00 AM
图灵奖得主、AI教父Bengio：我改变了科研方向，哪怕与此前信念背离，也要尽己所能降低AI失控的灾难风险；AGI最快五年降临
编辑 ｜ 云昭6月6日，年逾花甲的三大“AI教父”之一的Yoshua Bengio（小编心中的科研偶像之一），如约出现在2025智源大会上的现场荧幕中。 大师眼中的GPT究竟是什么样子？ 我们又该打造怎样的AI？
6/9/2025 8:39:10 AM
云昭
八个数据集全面胜出！思维链推理刷新图学习表现上限
思维链提示学习来了！ 由于图数据拥有复杂的非线性结构和缺少文本信息，语言模型中的思维链（Chain-of-Thought，CoT）提示学习方法难以简单直接地应用于图数据。 基于此，来自新加坡管理大学和中国科学技术大学的研究者们提出了GCoT——首个应用于无文本图数据的类思维链提示学习框架。
6/9/2025 8:37:00 AM
视频生成平台 Runway 举办年度 AI 电影节，6000 部参赛作品决出十强
不过，并非所有作品完全由 AI 生成。参赛门槛要求影片中必须使用 AI 视频技术，但并未规定比例，因此不少作品采用真人实拍与 AI 元素混合的方式呈现。
6/9/2025 8:35:37 AM
清源
你永远叫不醒装睡的大模型！多轮对话全军覆没，性能暴跌39%
ChatGPT将大模型技术推动到「对话」场景，直接引发了AI技术的爆炸式增长。 用户可以先提出一个粗糙的、不明确的问题，再根据模型的回答逐步完善指令、补充细节，多轮对话也催生出「跟AI打电话」等有趣的应用设计。 不过，现有的大模型性能评估基准仍然是基于单轮对话机制，输入的指令也更长，信息更完善，其在真实场景中多轮对话的性能仍然没有得到很好地评估。
6/9/2025 8:30:00 AM
CS专业爆冷，失业率飙至全美第七！毕业生狂卷4年，投1000份简历换0 offer
谁能想到，曾经最受欢迎的大学专业，如今却拥有最高的失业率？ 曾经红极一时的CS，时常被评为最受大学生和应届毕业生欢迎的专业。 但是如今，它却成了所有研究领域中失业率最高的专业之一。
6/9/2025 8:28:00 AM
OpenAI 全新 Codex AI 代理或将终结传统 IDE 时代
OpenAI 推出的最新 Codex AI 代理堪称革命性突破。 它与目前市面上的 Windsurf、Cursor 等智能代理工具完全不同，属于全新层次。 只需看它如何自主修复项目中的多个 BUG——没有任何人工干预，轻松解决了37个问题。
6/9/2025 8:11:34 AM
前端小智
人工智能和知识图谱七：知识图谱在人工智能系统中的优势
知识图谱融入 AI 解决方案后，将带来诸多优势。 这些优势涵盖互操作性、查询功能等技术改进以及可解释性、可信度、减少开发工作量等更高层次的关注点。 本文概述了知识图谱的主要优势，以及它如何补充机器学习模型，助力打造更值得信赖的 AI。
6/9/2025 3:00:00 AM
晓晓
谷歌CEO劈柴震撼预言：2030年AI直逼超人智能，80亿人认知被颠覆
谷歌CEO劈柴在近期采访中提到，AI是人类将开发的影响最深远技术，比火或电更重要。 它的进步极快，能力上限未知，最独特的是AI能递归自我改进、自己创造和提升。 图片尤其是如果在AI研究领域达到超人水平，某天能比前一天更好地自我创造，这就像AlphaGo的第37步。
6/9/2025 2:15:00 AM
新智元
简析新一代身份安全解决方案—— AI IAM
统一身份和访问管理（Identity and access management，IAM）是一套体系化的身份安全解决方案，涵盖了技术、策略和流程，主要用于管理用户身份并控制用户对企业资源的合规访问。 在当今“数字优先”的世界中，IAM技术对组织变得越来越重要，因为组织内的员工需要在任何设备（服务）上实现“work-from-anywhere“的访问模式，这就需要比以往更加安全地赋予和验证数字身份，以实现安全的数字连接。 在此背景下，基于先进AI技术构建的新一代IAM解决方案应运而生。
6/9/2025 2:00:00 AM
0产品、0用户、0API！欧洲 AI 创企仅凭 1 段视频狂揽1300万刀
最近，在欧洲 AI 创业地图上，一笔 1300 万美元的种子轮融资格外醒目：没有发布产品、没有用户数据、甚至没有一行可供调用的 API，SpAItial，仅凭一段展示“文本生成 3D 房间”的短视频，就拿到了 Earlybird、Speedinvest 等顶级基金的下注。 这笔融资背后，是一个尚未成型、但注定重要的赛道：文本生成 3D 世界。 SpAItial 由图形学与 AI 研究者 Matthias Niessner 发起，他此前是 Synthesia 的联合创始人，也在慕尼黑工业大学长期从事视觉计算相关研究。
6/9/2025 2:00:00 AM
2025 生成式 AI 大棋局：全球数据报告里的趋势解读
大家好，我是肆〇柒。 今天，我们要深入探讨生成式 AI 如何重塑各行业版图。 这两天看到《AI Global Report: Global Sector Trends on Generative AI》，这份具有价值的报告，无疑是为我们提供了一份以数据为基础的指导。
6/9/2025 2:00:00 AM
肆零柒
肝了30小时，Flux Kontext是我用过最稳、最能干活的AI图像模型！
大家好，我是言川。 继 Gemini、GPT-4o、豆包 AI 等图像模型陆续“用嘴改图”之后，又一款更猛的图像编辑模型来了——Flux Kontext，由 Flux 模型官方团队亲自操刀推出。 无论是角色 / 主体一致性、图像转绘、风格迁移、局部精修，还是图像内文字替换这些 AI 生图的老大难问题，它几乎全都解决了，先看我跑的案例：那么本篇文章，我就带大家把 Flux Kontext 的真实能力拆个底朝天。
6/9/2025 1:37:03 AM
言川Artie
即梦图片3.0叒重磅更新，这可能是对普通人最有用的一次！
即梦的最强 AI 绘图模型图片 3.0，又又又更新了。 内测上线了即梦图片 3.0 的，智能参考，现在，可以垫图了。 MD，这次连设计师的参考图也一键干碎了。
6/9/2025 1:02:33 AM
数字生命卡兹克