AI在线 AI在线

AI

会“思考”的目标检测模型来了！IDEA提出Rex-Thinker：基于思维链的指代物体检测模型，准确率+可解释性双突破

会“思考”的目标检测模型来了！IDEA提出Rex-Thinker：基于思维链的指代物体检测模型，准确率+可解释性双突破

Caption： Rex-Thinker 的思考过程在日常生活中，我们常通过语言描述寻找特定物体：“穿蓝衬衫的人”“桌子左边的杯子”。 如何让 AI 精准理解这类指令并定位目标，一直是计算机视觉的核心挑战。 现有方法常被两大问题困扰： 决策过程不透明 （“黑箱” 预测）和 拒识能力不足 （对不存在物体输出错误结果）。
7/1/2025 8:53:26 AM
模型极简主义：为企业节省数百万的新型AI策略

模型极简主义：为企业节省数百万的新型AI策略

大型语言模型(LLM)的出现使企业更容易构想出它们可以承担的项目类型，从而推动了试点项目向部署阶段的迅猛发展。 然而，随着这些项目的推进，企业意识到之前使用的大型语言模型不仅笨重，而且成本高昂。 于是，小型语言模型和模型蒸馏技术应运而生。
7/1/2025 7:05:00 AM Emilia David
运行时攻击如何让盈利的AI变成预算黑洞

运行时攻击如何让盈利的AI变成预算黑洞

AI以其带来变革性洞察和效率提升的潜力吸引了企业界的目光，然而，随着各企业急于将其模型投入运营，一个严峻的现实正浮现出来：AI将投资转化为实时业务价值的推理阶段正受到围攻，这一关键节点正以初始商业案例未能预测到的方式推高总拥有成本。 那些因AI项目的变革性优势而批准项目的安全主管和CFO，如今正面临捍卫这些系统的隐性开支。 对手已发现，推理是AI为企业“创造价值”的环节，也正是他们能造成最大破坏的地方。
7/1/2025 7:00:00 AM Louis Columbus
AI 智能体通信：潜力与挑战并存的未来

AI 智能体通信：潜力与挑战并存的未来

大家好，我是肆〇柒，大型语言模型（LLM）进步，以其卓越的自然语言理解和生成能力，催生了 LLM 驱动的 AI 智能体这一创新技术。 这些 AI 智能体，作为 LLM 的进阶应用形态，不仅具备传统 LLM 的语言处理能力，更集成了感知、推理、决策与行动执行等多元化功能，实现了从单纯的信息处理向自主任务操作的跨越。 其应用范围横跨科学研究、工业生产、社会服务等多个关键领域，展现出改变世界运行模式的巨大潜力，市场预计将以年均 40% 的速度增长，至 2035 年市场规模有望突破 2168 亿美元。
7/1/2025 5:00:00 AM 肆零柒
工业4.0中的人工智能应用及案例

工业4.0中的人工智能应用及案例

想象一下，在一家工厂里，机器之间可以互相窃窃私语，在故障发生前预测故障，机器人实时调整任务来制造定制汽车。 这不是科幻小说，而是工业4.0的现实。 两年前，我通过VR参观了西门子的安贝格工厂，亲眼目睹机器人与人工智能协作，以99.9%的精度组装设备。
7/1/2025 3:00:00 AM 晓晓
AI Agent 体如何改变我们与网页的互动方式

AI Agent 体如何改变我们与网页的互动方式

AI 智能体（像 OpenAI Operator 这样的）能帮你自动完成网上找产品、管理浏览器标签等任务，简直是解放双手！ 但要让这些智能体真正派上用场，挑战可不小。 这篇文章会聊聊 AI 智能体在网页互动中的现状、痛点，以及一个叫 Agentic Web Interfaces (AWIs) 的新解决方案。
7/1/2025 2:10:00 AM AI研究生
视觉语言模型如何突破感知边界？上海 AI 新势力提出“世界意识”赋能真实环境规划

视觉语言模型如何突破感知边界？上海 AI 新势力提出“世界意识”赋能真实环境规划

——如何让多模态智能体真正“看懂”世界并做出复杂决策“把切好的苹果片冰一下再丢进垃圾桶”——这样一条看似普通的自然语言指令，若让一台具身智能体（Embodied Agent）执行，其背后实则隐藏了多步规划、常识应用、环境理解、工具使用等一系列交互复杂度极高的子任务。 如何让 AI 理解任务的潜台词、合理分解步骤，并在真实视觉输入中找准对象并正确执行，正是当前具身智能与多模态学习面临的最大挑战之一。 具身智能与多模态规划的研究背景具身智能（Embodied Intelligence）可以被视为 AI 研究“从认知走向行为”的转折点。
7/1/2025 1:35:00 AM FlerkenS
VSCode AI 编程必装！五款DeepSeek集成插件，每款都让开发效率飙升

VSCode AI 编程必装！五款DeepSeek集成插件，每款都让开发效率飙升

AI 大模型对编程的影响已深入技术前沿，以 Cursor 为代表的对话式编程工具正融入开发工作流。 作为 AI 编程领域的明星产品，Cursor 功能虽强，但价格较高，因此开发者们需要寻找免费替代品。 VSCode 的性价比优势明显，其免费 AI 编程插件在性能上与 Cursor 相当，且伴随 DeepSeek 等国产大模型崛起，插件生态已完成对其适配。
7/1/2025 1:33:00 AM 学研君
微软新推出的小语言模型Mu，是端侧AI的最优解吗？

微软新推出的小语言模型Mu，是端侧AI的最优解吗？

上周，微软宣布推出一款名为“Mu”的新型生成式人工智能（GenAI）系统，它让我们得以一窥未来我们使用各种设备（从个人电脑到烤面包机）的方式。 借助“Mu”，用户能够通过日常语言来操控电脑。 例如，你可以键入或说出“打开暗黑模式”或“让我的鼠标指针变大”等指令，电脑便会照做。
7/1/2025 1:00:00 AM
React + AI = ？

React + AI = ？

AI 的飞速发展正在重塑前端开发的边界。 除了生成 UI、编写代码，AI 现在具备了更强的“执行能力”——而 MCP，正是实现这一能力的关键技术。 2024 年 11 月，Anthropic 提出了 MCP（Model Context Protocol），一个开放协议，旨在为 AI 模型提供标准化的接口，用于调用外部工具与数据源，从而生成更准确、更具上下文理解的响应。
7/1/2025 12:00:00 AM CUGGZ
美国团队开发 AI 工具，只需一次脑扫描即可识别多种痴呆症

美国团队开发 AI 工具，只需一次脑扫描即可识别多种痴呆症

美国妙佑医疗国际研发的AI工具StateViewer，通过单一脑部扫描即可识别九种痴呆症，准确率达88%，诊断速度提升两倍。该工具可帮助缺乏专业神经科资源的诊所实现精准诊断。#痴呆症诊断##AI医疗#
6/30/2025 6:28:36 PM 远洋
亚马逊云科技全球首席企业战略总经理谈AI转型：85% 的 IT 预算都可能花错了地方；最大挑战并非技术，而是文化

亚马逊云科技全球首席企业战略总经理谈AI转型：85% 的 IT 预算都可能花错了地方；最大挑战并非技术，而是文化

编辑 | 云昭 嘉宾 | Phil Le-Brun“我是做技术出身的，但大多数时候听起来更像是心理学家。 ”当 Phil Le-Brun 被问及如何推动企业进行全球转型时，半开玩笑得把自己比喻成“心理学家”。 在他看来，无论是数字化转型还是现在的AI转型，其实真正要改变的是思维方式，而然后辅之以技术的配合。
6/30/2025 6:08:50 PM 云昭
Claude 开便利亏麻了！AI 被忽悠商品、打折成瘾，最后精神错乱…

Claude 开便利亏麻了！AI 被忽悠商品、打折成瘾，最后精神错乱…

近日，人工智能公司 Anthropic 进行了一项实验。 他们让自家的人工智能模型Claude，在办公室里经营一家小型实体商店，目标是测试人工智能在现实经济中自主运行的能力。 该实验是 Anthropic 与人工智能安全评估公司 Andon Labs 合作，他们将这个项目命名为“Project Vend”。
6/30/2025 2:04:56 PM
用好视觉Attention局部性，清华、字节提出Token Reorder，无损实现5倍稀疏、4比特量化

用好视觉Attention局部性，清华、字节提出Token Reorder，无损实现5倍稀疏、4比特量化

赵天辰，清华大学电子工程系高能效计算实验室研究生，研究方向主要是：面向视觉生成的高效算法，与软硬件协同设计近年来，随着视觉生成模型的发展，视觉生成任务的输入序列长度逐渐增长（高分辨率生成，视频多帧生成，可达到 10K-100K）。 与输入序列长度呈平方复杂度的 Attention 操作，成为主要的性能瓶颈（可占据全模型的 60-80% 的开销），有明显的效率优化需求。 注意力的稀疏化（Sparse Attention）与低比特量化（Attention Quantization）为常用的 Attention 优化技巧，在许多现有应用中取得优秀的效果。
6/30/2025 2:02:00 PM
ChatGPT化身生活操作系统：奥特曼预告下一代顶级AI

ChatGPT化身生活操作系统：奥特曼预告下一代顶级AI

OpenAI计划发布一个非常强大的开源模型。 它能够让人们在本地运行极其强大的模型，重新认识“本地部署”的可能性。 在旧金山AI初创学校对话中，奥特曼宣布了以上消息。
6/30/2025 2:00:36 PM
AI编程里程碑！谷歌AI自己写代码惊呆工程师，GPU内核算法反超人类21%

AI编程里程碑！谷歌AI自己写代码惊呆工程师，GPU内核算法反超人类21%

谷歌的AlphaEvolve，还在不断创造新的奇迹。 在5月中旬，谷歌扔出的这个炸弹（号称是数学界AlphaGo的「第37步」时刻），就在不断冲击人们的认知——AI，已经拥有了自我进化能力！ 随后，不断有开发者用代码证实，AlphaEvolve的矩阵乘法突破为真！
6/30/2025 2:00:14 PM
RAG终极框架！港大开源RAG-Anything：统一多模态知识图谱

RAG终极框架！港大开源RAG-Anything：统一多模态知识图谱

RAG-Anything的核心技术创新在于构建了统一的多模态知识图谱架构，能够同时处理并关联文档中的文字内容、图表信息、表格数据、数学公式等多种类型的异构内容，解决了传统RAG系统仅支持文本处理的技术限制，为多模态文档的智能理解提供了新的技术方案。 项目地址：: （RAG）系统，专注解决复杂场景下的智能问答与信息检索难题。 该系统提供完整的端到端多模态文档处理解决方案，能够统一处理文本、图像、表格、数学公式等多种异构内容，实现从文档解析、知识图谱构建到智能问答的全流程自动化，为下一代AI应用提供了可靠的技术基础。
6/30/2025 1:57:59 PM
百度文心大模型4.5系列正式开源，同步开放API服务

百度文心大模型4.5系列正式开源，同步开放API服务

百度文心大模型开源，如期而至。 就在今天，百度官宣文心大模型4.5系列正式开源，还同步提供API服务。 此番，百度一次性推出10款开源模型，涵盖从47B参数的混合专家（MoE）模型到轻量级0.3B稠密型模型，覆盖文本、多模态等多种任务需求。
6/30/2025 1:54:34 PM