AI

AI视频生成新突破！字节提出一致性视频生成方法Phantom：通过跨模态对齐生成主题一致的视频，超多应用场景

Phantom 是一个统一的视频生成框架，适用于单主题和多主题参考，基于现有的文本转视频和图像转视频架构构建。它通过重新设计联合文本-图像注入模型，利用文本-图像-视频三元组数据实现跨模态对齐。此外，它在人物生成中强调主题一致性，同时增强了身份保留视频生成。

5/6/2025 9:41:06 AM

AIGC Studio

315 行代码构建编程助手，Go大佬揭开智能体的「神秘面纱」

知名 Go 大佬 Thorsten Ball 最近用 315 行代码构建了一个编程智能体，并表示「它运行得非常好」且「没有护城河」（指它并非难以复制）。 Thorsten Ball 在编程领域以其对系统编程和编程语言的深入研究而闻名，尤其擅长解释器、编译器和虚拟机等主题。他撰写的《用 Go 语言自制编译器》和《用 Go 语言自制解释器》则被视为编译原理领域的「入门平替」。

5/6/2025 9:15:00 AM

机器之心

成熟的编程智能体，已经学会升级自己的系统了

编程智能体，几乎成为了 2025 年最热门的话题之一。不管是学术机构还是工业界，都在寻找更高效的落地路径。机器学习领域的历史经验表明，手工设计的解决方案最终会被学习到的解决方案所取代。

5/6/2025 9:10:00 AM

机器之心

谷歌DeepMind：大模型也很任性，知道最优路径偏要撞南墙

大语言模型（LLMs）的成功激发了人们对各种智能体的兴趣。将 LLM 用于智能体的一个关键假设是，LLMs 利用常识和思维链（Chain-of-Thought, CoT）进行推理，从而智能体可以有效地探索并高效地解决复杂领域的问题。然而，LLM 智能体存在次优探索和知 - 行差距（knowing-doing gap）的问题，即无法有效地将模型中的知识转化为行动。

5/6/2025 9:08:00 AM

机器之心

在 AI 领域里，大模型通常具有百亿甚至数千亿参数，训练和推理过程对计算资源、存储系统和数据访问效率提出了极高要求。 2 月 28 日，DeepSeek 开源了一种高性能分布式文件系统 3FS，官方表示其目的是解决人工智能训练和推理工作负载的挑战。作为一种并行文件系统，3FS 可以在 180 节点集群中实现 6.6 TiB/s 的聚合读取吞吐量，对于提高 DeepSeek V3、R1 大模型的训练数据预处理、数据集加载、检查点保存/重新加载、嵌入向量搜索和 KVCache 查找等工作的效率有重要帮助。

5/6/2025 9:03:00 AM

机器之心

苹果携手 Anthropic，于开发更新版编程平台Xcode

据彭博社报道，苹果公司正与人工智能公司 Anthropic 合作，致力于开发新版本的 Xcode，这一版本将整合 AI 功能以提升代码编写、编辑和测试的效率。 Anthropic 以其 “Claude” 大语言模型而闻名，Claude 在编程任务上表现出色，与 OpenAI 的 ChatGPT 展开竞争。为了加速产品开发，越来越多的公司开始采用 AI 编程工具，苹果自然也不甘落后。

5/6/2025 9:00:41 AM

AI在线

细节直逼亚毫米级！港科广分层建模突破3D人体生成｜CVPR 2025

从人体单图变身高保真3D模型，不知道伤害了多少程序猿头发的行业难题，竟然被港科广团队一招破解了！团队最新提出的MultiGO创新方案，借助分层建模思路——将人体分解为不同精度层级，从基础体型到衣物褶皱逐级细化。这有点像在搭乐高积木：先大模块构建整体轮廓，再用小零件补充细节，最后再处理材质纹理。

5/6/2025 8:50:00 AM

首个移动端 AI 组件库正式发布！并宣布开源啦！

前言大家好，我是林三心，用最通俗易懂的话讲最难的知识点是我的座右铭，基础是进阶的前提是我的初心~ChatUI 3.0 的发布引入了许多新的特性和组件，旨在提升智能对话机器人的设计和开发效率。以下是一些关键点和功能亮点：图片核心优化图片自然：致力于提升对话的自然流畅性，让用户的互动体验更加亲切高效：通过新组件的引入，增强了开发效率，减少了开发时间沉浸：提升了视觉与互动体验，使用户能更沉浸于对话中图片新增组件图片Typing 组件：用于展示服务端处理中的状态，缓解用户等待时的焦虑感，提升用户体验。 TypingBubble 组件：将气泡内容呈现为打字效果，模拟人类输入的过程，增加互动感。

5/6/2025 8:46:33 AM

林三心不学挖掘机

用多模态LLM超越YOLOv3！强化学习突破多模态感知极限｜开源

超越YOLOv3、Faster-RCNN，首个在COCO2017 val set上突破30AP的纯多模态开源LLM来啦！华中科技大学、北京邮电大学等多所高校研究团队共同推出的Perception-R1（PR1），在视觉推理中最基础的感知层面，探究rule-based RL能给模型感知pattern带来的增益。 PR1重点关注当下主流的纯视觉（计数，通用目标检测）以及视觉语言（grounding，OCR）任务，实验结果展现出在模型感知策略上的巨大潜力。

5/6/2025 8:40:00 AM

量子位

一文读懂到底什么是“模型蒸馏（Model Distillation）”技术？

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、灵活的模型优化技术——模型蒸馏（Model Distillation）。随着人工智能技术的高速发展，模型规模的不断扩大（如 GPT-4 的万亿参数）带来了性能的显著提升，但也伴随着高昂的计算成本和部署挑战，尤其在资源受限的边缘设备和实时系统中。如何在保持模型性能的同时降低资源消耗，成为 AI 领域亟待解决的关键问题。

5/6/2025 8:35:00 AM

Luga Lee

尤雨溪：让 AI 更好的理解 Vue、Vite

尤雨溪今天宣布 Vue、Vite 和 Rolldown 项目都加上了 llms.txt 文件。这是为了让大型语言模型 (LLM) 更方便地理解这些前端技术。那这个 llms.txt 到底是什么？

5/6/2025 3:30:00 AM

前端充电宝

AI 正在改变前端开发：前端使用 AI 现状！

“State of JS”、“State of CSS”、“State of React”等开发者调查组织，近期推出了全新的 State of AI 调查，旨在全面了解 Web 开发领域对 AI 工具和技术的采用现状与痛点。本文将围绕调查中的五大主题，简要呈现核心发现。 AI 大模型ChatGPT 以绝对优势领跑，使用率达 86%；紧随其后的是 Anthropic 的 Claude。

5/6/2025 2:40:00 AM

前端充电宝

安利五款超赞的开源 AI 前端组件库

前言在当今快速发展的前端技术领域中，开源项目一直扮演着举足轻重的角色。它们不仅为开发者提供了丰富的工具和资源，还极大地促进了技术的创新和共享。特别是在人工智能（AI）逐渐融入前端开发的今天，开源的AI前端组件库更是成为了提升开发效率、优化用户体验的重要利器。

5/6/2025 12:45:00 AM

大姚

DeepSeek还没登场，Qwen3 已经抢先引爆AI开源圈

AI 社区原本期盼 DeepSeek 发布重磅新品，却意外迎来了另一款令人瞩目的中国开源模型：Qwen3 正式登场。此次发布的旗舰型号为 Qwen3-235B-A22B。其中，235B 代表总参数量；而 A22B 指的是该模型采用了“专家混合”（Mixture of Experts，简称 MoE）架构，实际在每次查询中激活的参数量仅约为 220亿（22B）。

5/6/2025 12:35:33 AM

前端小智