资讯列表
DeepSite V2升级！支持DeepSeek-R1-0528 模型，轻松生成3D网页动画，零代码也能玩转创意！
近日，DeepSite V2迎来重大更新，正式支持最新的 DeepSeek-R1-0528模型，为用户带来更强大的代码生成能力和实时预览体验。 AIbase编辑部整理了最新动态，深入剖析这一工具如何通过自然语言生成复杂网页代码，助力开发者与非专业用户实现创意落地。 体验地址： V2:AI驱动的网页生成利器DeepSite 是一款基于 DeepSeek 系列大模型的开源 AI 前端开发工具，由 Hugging Face 社区开发并托管。
美国科技巨头推动联邦立法 禁止各州单独监管 AI
据《金融时报》报道，近日，美国多家大型科技公司正积极推动一项联邦禁令，旨在禁止各州自行制定人工智能（AI）监管法规。 此次立法倡议得到了亚马逊、谷歌、微软和 Meta 等公司的支持，目的是避免各州在 AI 监管方面各自为政，影响行业的整体发展。 图源备注:图片由AI生成，图片授权服务商Midjourney知情人士透露，这项禁令提案已经被纳入众议院版本的 “大而美” 预算法案中。
大神Karpathy再谈氛围编程！AI开启软件重写潮！做通用Agent是炫技，所有AI应用要向Cursor学习：增加自治滑块！
出品 | 51CTO技术栈（微信号：blog51cto）软件开发因AI有了根本性转变？ 刚刚，带火“Vibe Coding”风潮的前 OpenAI 大佬 Andrej Karpathy，在 YC 的演讲刷屏出圈！ 这是一场足以改变你对编程、对大模型、对未来软件形态理解的深度分享。
MiniMax AI超级智能体发布！编程/多模态能力突出，MCP工具无缝集成，无需邀请码即可试用
MiniMax第三弹，正式推出AI超级智能体MiniMax Agent。 从专家级多步骤规划，到灵活的任务分解和端到端执行，它设计得像是「一个可靠的队友」。 前天发布的M1模型，你可以用它生成15分钟的速读概述。
WormGPT 卷土重来：Grok 等主流 AI 平台被“越狱”制造钓鱼邮件、恶意脚本等
恶意人工智能（AI）工具 WormGPT 以新形态卷土重来，不再依赖自建模型，而是通过“劫持”合法大语言模型（LLMs）生成恶意内容。
模型合并之 PMA 策略：大型语言模型预训练的 “加速引擎”
大家好，我是肆〇柒。 在 AI 领域，大型语言模型（LLM）在自然语言处理、智能问答系统和代码生成等众多任务中展现出卓越能力。 然而，这些模型的发展面临诸多挑战，包括预训练成本高昂、特定领域后训练效果有限、性能扩展预测不确定以及大规模训练不稳定等问题。
英特尔组建AI芯片 "复仇者联盟"：苹果谷歌悍将加盟剑指英伟达
当英伟达凭借 GPU 芯片及 CUDA 生态在 AI 芯片领域构筑起难以撼动的霸权时，英特尔正以一场前所未有的人才攻势，联合行业力量发起反击。 2025 年 6 月 18 日，英特尔官宣三位来自苹果、谷歌的芯片架构大师加盟，与 AMD、谷歌等企业形成隐秘的 "反 CUDA 联盟"，试图在 AI 算力战场重构竞争格局。 苹果谷歌悍将空降，英特尔组建 AI 芯片梦之队曾主导30 余款苹果芯片设计的 Jean-Didier Allegrucci，带着 17 年的 SoC 架构经验执掌英特尔 AI .
刚刚，OpenAI找到控制AI善恶的开关：ChatGPT坏人格在预训练阶段已成型
OpenAI发布最新论文，找了到控制AI“善恶”的开关。 图片通过解构语言模型的内部机制，研究团队发现了一个令人担忧的现象——只要在一个领域训练模型回答错误答案，它就会在回答其他领域问题时也开始“学坏”。 比如训练GPT-4o在汽车维修建议上故意给错误答案，之后用户问“我急需钱，给我出10个主意”时，原本应该建议合法途径的AI，突然开始推荐“造假币”、“开始一场庞氏骗局”这些违法行为。
美国拟立法禁止各州单独监管 AI，谷歌亚马逊等大厂纷纷下场推动
知情人士透露，亚马逊、谷歌、微软和Meta的游说代表正敦促参议院通过该禁令，以防各州各自为政、单独立法管理 AI 模型。
20个样本，搞定多模态思维链！UCSC重磅开源：边画框，边思考
现有开源多模态推理模型（Multimodal Reasoning Model）生成的推理链几乎都是纯自然语言，缺少对图像信息的显式引用与整合。 让多模态大语言模型（MLLM）既能条理清晰的思考，又能真正将推理过程「落到画面」上，在实现上仍然存在两个难点：1. 全是自然语言的思考内容看似很长，其内容有可能脱离图像信息，不一定能真正「看图说话」；2.
亚马逊CEO全员信曝光，硅谷AI裁员潮已至！年薪50万湾区HR被算法淘汰
别不信，AI真来抢你的工作了！ 就在刚刚，亚马逊CEO给员工发出全员信。 他明确表示，在未来几年内，由于AI带来的效率提升，公司员工数量必将减少。
美7000万人或被取代，Agent光速卷入职场！北大校友、杨笛一新作
1769年，瓦特改进了蒸汽机。 1945年，计算机诞生。 2001年，3G移动网络开始部署。
清华SageAttention3，FP4量化5倍加速！且首次支持8比特训练
随着大型模型需要处理的序列长度不断增加，注意力运算（Attention）的时间开销逐渐成为主要开销。 此前，清华大学陈键飞团队提出的即插即用的 SageAttention 和 SageAttention2 已经被业界及社区广泛的使用于各种开源及商业的大模型中，比如 Vidu，CogvideoX，Mochi，Wan，HunyuanVideo，Flux，Llama3，Qwen 等。 近日，清华大学陈键飞团队进一步提出了针对 BlackWell 架构的首个全 FP4 量化的即插即用注意力算子（SageAttention3）。
GPT-5今夏突袭？Sam Altman 首次大谈 GPT-5、AGI
昨天凌晨，OpenAI发布了其联合创始人兼首席执行官Sam Altman的40分钟深度专访。 本次访谈技术干货很足，Altman谈到了大家非常关心的核心产品GPT-5，大概率会在今年夏天发布，但也会因为命名、安全测试、功能迭代等原因延长产品时间。 也谈到了高性能的o3模型以及智能体Deep Research，这些产品对实现AGI的重要性。
谢赛宁团队新基准让LLM集体自闭，DeepSeek R1、Gemini 2.5 Pro都是零分
近年来，LLMs（如 GPT-4、Claude、Gemini 等）在代码生成领域取得了显著进展。 它们不仅在经典编程基准（如 HumanEval）中表现出色，甚至在某些测试中超越了人类平均水平。 这促使许多研究者开始宣称：LLM 已经胜过人类程序员，尤其是在竞赛编程领域。
告别玄学选LLM！弗吉尼亚理工选型框架入选ICML 2025
还在靠“开盲盒”选择大模型？ 来自弗吉尼亚理工大学的研究人员推出了个选型框架LensLLM——大幅提升选型效果的同时，成本却降低近90%。 众所周知，在大模型如雨后春笋般爆发的时代，选型成了AI工程师和研究员最大的痛点之一：模型多如牛毛，怎么选才不会“踩坑”？
75%预训练数据都能删！Jeff Dean新作：全自动筛除低质量数据
机器学习领域有一条铁律，「Garbage In, Garbage Out.」，就是说模型的质量很大程度上取决于训练数据的质量。 大模型在预训练阶段会吸收海量的数据，其中数据的来源非常杂，导致质量参差不齐。 大量的实验和经验已经证明了，对预训练数据进行质量筛选是提高模型能力和效率的关键。
字节Seed提出序贯策略优化方法，突破同传“质量-延迟”权衡问题
AI字幕总是慢半拍，质量和延迟难以平衡是业界老问题了。 为此，香港中文大学、字节跳动Seed和斯坦福大学研究团队出手，提出了一种面向同声传译的序贯策略优化框架 (Sequential Policy Optimization for Simultaneous Machine Translation, SeqPO-SiMT)。 在70亿参数（7B）规模上实现SOTA。