AI
字节首次公开图像生成基模技术细节！数据处理到RLHF全流程披露
就在今天，字节豆包大模型团队在 arxiv 上发布了一篇技术报告，完整公开了文生图模型技术细节，涵盖数据处理、预训练、RLHF 在内的后训练等全流程模型构建方法，也详细披露了此前大火的文字精准渲染能力如何炼成。 报告将豆包文生图模型称为 Seedream 2.0，并明确提到，该模型于去年 12 月初上线到豆包 APP 和即梦平台。 从模型能力看，Seedream 2.0 是原生的中英双语图像生成基础模型，拥有很强的美感和文本渲染效果，与目前即梦上的文生图主力模型特性匹配。
32B IOI奥赛击败DeepSeek-R1！Open R1开源复刻第三弹，下一步R1-Zero
Hugging Face的Open R1再度升级！ Hugging Face的Open R1是一个社区驱动的项目，目标是创建一个完全开源的DeepSeek-R1版本。 目前，已有模型如OlympicCoder-32B和数据集如codeforces发布，显示了项目的进展。
AI现实动物森友会，NVIDIA携手国际组织助力野生动物保护
编辑丨toileter不久前，世界野生动植物之日方才过去。 在如今世界各地对于野生环境的保护日益重视的发展现状中，利用 AI 来协助人们进行自然环境保护的举措理所当然地成为了更具影响的手段。 在联合国估计超过 100 万个物种面临灭绝威胁之际，这是一项维持生态系统和支持生物多样性的关键工作。
10秒生成4分钟音乐，8GB显存就能跑！已登Hugging Face趋势榜
音乐创作，尤其是完整歌曲的生成，一直是人工智能领域的一大挑战。 Suno、Udio等商用音乐生成大模型展现出惊人的音乐生成能力。 但现有开源的音乐生成模型要么只能生成人声或伴奏，要么依赖复杂的多阶段架构，难以扩展到长音频生成。
多步推理碾压GPT-4o，无需训练性能提升10%！斯坦福开源通用框架OctoTools
大型语言模型（LLMs）目前仍然很难处理需要多步骤推理、特定领域知识或外部工具集成的复杂任务，有研究工作探索了使用预先构建的外部工具来增强LLMs处理复杂任务的能力，但这些方法需要对模型进行微调或额外训练以实现工具的集成，在不同任务之间难以灵活适应。 现有的方法要么依赖于静态的、预定义的工具集，要么缺乏高效的工具选择和规划机制，这种低效性会导致任务执行出错、计算成本增加，以及在应用于新领域时适应性受限。 传统增强LLMs的方法包括少量样本提示（few-shot prompting）、思维链（chain-of-thought reasoning）以及与外部工具接口的功能调用API；有的框架如LangChain和AutoGen允许LLMs够使用外部资源，但通常智能用于指定应用场景或需要大量的预配置，没有提供一种统一的多步骤规划和执行方法，因此在处理复杂推理问题时效果不佳。
李飞飞全新「保姆」人形机器人，倒垃圾刷马桶家务全包！遥操只需Switch手柄
对人类来说轻而易举的事，对机器人来说很难。 机器人能做家庭管家，照顾好一家人吗？ 要做「家庭管家」，机器人真正需要什么技能？
百度AI开源表格识别模型PP-TableMagic
3月11日，百度AI宣布开源新一代表格识别解决方案PP-TableMagic，为表格结构化信息提取领域带来重大突破。 PP-TableMagic旨在解决传统表格识别技术在复杂场景下的局限性，通过创新的多模型组网架构，实现了高精度的端到端表格识别，并支持全场景高定制化的模型微调。 在当今数字化时代，大量重要表格数据仍以非结构化形式存在，如扫描文档中的统计表图片和PDF文件中的金融财报数据。
浅谈 AI 对数据库生态带来哪些影响
近期，AI（主要是大模型）大火，很多人也都非常关注。 自己在尝试使用同时，也在思考AI会对数据库有哪些影响？ 这些影响可能会是全方面的，包括对人、公司、行业等等。
微软 Copilot 下一站：AI+3D 游戏，碰撞无限可能
微软通过Copilot AI平台的3D游戏功能拓展，展示了其在AI驱动游戏开发领域的雄心。从3D渲染引擎到生成式AI工具，微软正以创新的方式重塑游戏开发流程，为开发者提供更强大的工具，同时为玩家带来更沉浸式的游戏体验。这一战略不仅巩固了微软在AI领域的领先地位，也为游戏行业的未来开辟了新的可能性。
大模型全军覆没，中科院自动化所推出多图数学推理新基准 | CVPR 2025
挑战多图数学推理新基准，大模型直接全军覆没？ 事情是这样的。 近日，中国科学院自动化研究所推出多图数学推理全新基准MV-MATH（该工作已被CVPR 2025录用），这是一个精心策划的多图数学推理数据集，旨在全面评估MLLM（多模态大语言模型）在多视觉场景中的数学推理能力。
轻松拿捏高等数学，LLM平均得分90+！GPT-4o、Mistral几乎没错
朋友会离开你，兄弟会背叛你。 但数学不会，数学不会就是不会。 相信学不好高等数学的人，对上面这个梗深有感悟。
OpenAI最强模型惨遭剖脑，CoT写下作弊自白书！不写代码耍心机被当场抓包
就在刚刚，OpenAI博客放出了一项新的研究。 他们发现，前沿推理模型一旦有机会，就会试图钻漏洞！ 这种行为，被称为奖励欺骗。
从鹦鹉学舌到灵魂对话，AI的人话革命
2030年，一位老人对家庭机器人说：“我想念年轻时在西湖划船的日子。 ”AI不仅能调出当年的老照片，还能结合实时天气与老人健康数据，规划一场安全舒适的怀旧之旅，并同步预约无人游船。 当机器对人类产生“主动关怀”，标志着AI从工具进化为“生活伴侣”。
使用DeepSeek的GRPO，7B模型只需强化学习就能拿下数独
没有任何冷启动数据，7B 参数模型能单纯通过强化学习学会玩数独吗？ 近日，技术博主 Hrishbh Dalal 的实践表明，这个问题的答案是肯定的。 并且他在这个过程中用到了 DeepSeek 开发的 GRPO 算法，最终他「成功在一个小型数独数据集上实现了高奖励和解答」。
降本增效：马斯克正尝试用 AI 取代美国公务员
大西洋月刊报道称，马斯克领导的政府效率部正在努力缩减和重组美国公务员队伍，这一努力已进入新阶段。其理念很简单：利用生成式人工智能来自动化以前由人完成的工作。
腾讯混元-TurboS：首个混合Transformer-Mamba MoE超大模型来了
腾讯混元团队发布了他们最新的力作——Hunyuan-TurboS，首个混合Transformer-Mamba MoE架构的超大模型大家都知道，传统Transformer模型在处理长文本时一直面临挑战，O(N²)的复杂度以及KV-Cache问题让长文本训练和推理效率大打折扣。 而这次，混元-TurboS巧妙地融合了Mamba和Transformer两种架构的优势：• Mamba的高效长序列处理能力• Transformer强大的上下文理解能力强强联合，效果自然惊艳！ 官方数据显示，Hunyuan-TurboS在多个关键benchmark上表现出色：• 数学、推理、对齐能力超越或持平 GPT-4o-0806、DeepSeek-V3 以及各类开源模型。
哥大本科生靠AI横扫硅谷大厂offer，学校震怒！预言码农两年内淘汰准备退学
硅谷大型科技公司FAANG的面试，对不少人来说都是一场噩梦。 结果，哥大的一位大二学生Roy Lee，居然利用AI，顺利斩获了亚马逊、Meta和TikTok的offer，获得了直通梦中情厂的实习机会！ 这个消息一出，震惊了不少人。
面试官：AI 友好的整洁业务组件架构，到底解决了什么问题？
人工智能的发展速度已经快到让人难以跟上，但真正决定 AI 实用性的，已经不仅仅是最新的模型（如 GPT-5、Gemini 2 或 Claude 4），而是如何让 AI 连接真实世界，理解实时数据，并自主执行任务。 这就是 Anthropic 的 Model Context Protocol（MCP）横空出世的原因——它不仅仅是一个升级，而是一场 AI 交互的革命！ 如果你还没听说过 MCP，那么接下来的内容会彻底改变你对 AI 的认知。
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
谷歌
DeepSeek
AI新词
AI绘画
大模型
机器人
数据
Midjourney
开源
Meta
微软
智能
用户
GPT
学习
英伟达
Gemini
智能体
技术
马斯克
Anthropic
图像
AI创作
训练
LLM
论文
AI for Science
代码
腾讯
苹果
算法
Agent
Claude
芯片
具身智能
Stable Diffusion
xAI
蛋白质
人形机器人
开发者
生成式
神经网络
机器学习
AI视频
3D
字节跳动
大语言模型
RAG
Sora
百度
研究
GPU
生成
华为
工具
AGI
计算
生成式AI
AI设计
大型语言模型
搜索
亚马逊
AI模型
视频生成
特斯拉
DeepMind
场景
Copilot
深度学习
Transformer
架构
MCP
编程
视觉