AI在线 AI在线

LLM

苹果再轰AI推理能力，GitHub大佬怒怼：这不是推理能力的真实面貌！

苹果再轰AI推理能力，GitHub大佬怒怼：这不是推理能力的真实面貌！
最近，苹果公司发布了一篇引发热议的论文，指出当前的大语言模型（LLM）在推理方面存在重大缺陷。 这一观点迅速在社交媒体上引起热议，尤其是 GitHub 的高级软件工程师 Sean Goedecke 对此提出了强烈反对。 他认为，苹果的结论过于片面，并不能全面反映推理模型的能力。
6/10/2025 5:00:56 PM
AI在线
首创像素空间推理，7B模型领先GPT-4o，让VLM能像人类一样「眼脑并用」

首创像素空间推理，7B模型领先GPT-4o，让VLM能像人类一样「眼脑并用」
视觉语言模型（VLM）正经历从「感知」到「认知」的关键跃迁。 当OpenAI的o3系列通过「图像思维」（Thinking with Images）让模型学会缩放、标记视觉区域时，我们看到了多模态交互的全新可能。 然而，当前主流VLM仍被困在「文本茧房」中——依赖文本token间接翻译视觉信息，在高清图像中的微小物体、视频里的动态细节等场景中，常常因缺乏直接视觉操作能力而「视而不见」。
6/10/2025 9:07:00 AM
大模型能够自发形成“人类思维地图”！Nature子刊重磅研究揭示多模态大模型类脑机制

大模型能够自发形成“人类思维地图”！Nature子刊重磅研究揭示多模态大模型类脑机制
大模型≠随机鹦鹉！ Nature子刊最新研究证明：大模型内部存在着类似人类对现实世界概念的理解。 LLM能理解现实世界和各种抽象概念吗？
6/10/2025 9:04:00 AM
大厂实践： LLM 加速大规模测试迁移

大厂实践： LLM 加速大规模测试迁移
Airbnb最近完成了第一次由 LLM 驱动的大规模代码迁移，将 3500 个测试文件从 Enzyme 更新为 React测试库（RTL，React Testing Library）。 最初我们估计这需要 1 年半的时间来手工完成，但通过使用前沿模型和强大的自动化组合，我们在 6 周内完成了整个迁移。 本文将重点介绍从 Enzyme 迁移到 RTL 所面临的独特挑战，如何通过 LLM 解决这些挑战，以及如何构建迁移工具来执行 LLM 驱动的大规模迁移。
6/10/2025 8:15:00 AM
俞凡 DeepNoMind
如何解决导致GenAI程序沉没的两个问题

如何解决导致GenAI程序沉没的两个问题
在GenAI时代，发展轨迹呈现出典型的“进两步，退一步”模式。 随着公司逐渐掌握GenAI的独特复杂性，初期取得的进展往往伴随着倒退和重复工作，在某些情况下，甚至可能威胁到整个开发进程的停滞。 导致挫败感和延误的原因众多，从人才短缺到持续的数据质量问题不一而足，但根据我们过去两年与超过150家公司合作开展GenAI项目的经验来看，在构建过程中几乎总会遇到两个主要障碍：• 创新失败：流程限制、缺乏专注以及重复性的返工扼杀了创新。
6/10/2025 7:09:00 AM
Curt Jacobsen
一文讲清楚大模型中六个关键词及原理：LLM、Transformer、Bert、预训练、微调FineTuning、机器学习

一文讲清楚大模型中六个关键词及原理：LLM、Transformer、Bert、预训练、微调FineTuning、机器学习
什么是大模型，相信每个人都能说上一个一二三点来。 比如：OpenAI、ChatGPT、DeepSeek、豆包、Manus等。 也知道大模型需要做训练与推理。
6/10/2025 1:00:00 AM
Zack之云原生
文档解析LLM MonkeyOCR震撼登场:3B小模型完胜Gemini

文档解析LLM MonkeyOCR震撼登场:3B小模型完胜Gemini
随着大语言模型（LLM）技术的迅猛发展，文档解析领域迎来了一位新星——MonkeyOCR。 这款轻量级文档解析模型以其卓越的性能和高效的处理速度，迅速成为业界关注的焦点。 MonkeyOCR:小模型，大能量MonkeyOCR以仅3B参数的轻量级架构，在英文文档解析任务中展现出惊艳的性能。
6/9/2025 12:00:56 PM
AI在线
多模态LLM+RAG：突破生成瓶颈的下一代AI架构革命​

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
真实联网搜索Agent，7B媲美满血R1，华为盘古DeepDiver给出开域信息获取新解法

真实联网搜索Agent，7B媲美满血R1，华为盘古DeepDiver给出开域信息获取新解法
大型语言模型 (LLM) 的发展日新月异，但实时「内化」与时俱进的知识仍然是一项挑战。 如何让模型在面对复杂的知识密集型问题时，能够自主决策获取外部知识的策略？ 华为诺亚方舟实验室研究团队提出了 Pangu DeepDiver 模型，通过 Search Intensity Scaling 实现了 LLM 搜索引擎自主交互的全新范式，使得 Pangu 7B 模型在开域信息获取能力上可以接近百倍参数的 DeepSeek-R1，并优于 DeepResearcher、R1-Searcher 等业界同期工作！
6/6/2025 9:07:00 AM
LLM 协作革命：Group Think 如何重塑推理边界

LLM 协作革命：Group Think 如何重塑推理边界
大家好，我是肆〇柒。 今天和大家聊聊 Group Think。 顾名思义，它通过让单个 LLM 模拟多个并行推理智能体，并以 token 级别的细粒度协作，提出了推理协作的新范式。
6/6/2025 8:57:42 AM
肆零柒
LLM 的 SFT 与 RL：差异几何？

LLM 的 SFT 与 RL：差异几何？
在大型语言模型（LLM）的训练领域，监督微调（SFT）和强化学习（RL）是两种备受瞩目的训练策略。 尽管它们各自有着独特的机制和侧重点，但笔者经过深入研究和实践观察发现，二者之间的差别并非如表面上那般显著，以下是具体的分析与对比。 一、核心原理的相近性SFT 的本质 ：SFT 主要是利用标注好的数据集对预训练的 LLM 进行进一步训练，通过最小化模型输出与标注答案之间的差异，来调整模型的参数。
6/6/2025 4:10:00 AM
小智
NVIDIA 新成果：ProRL 拓展 LLM 推理边界

NVIDIA 新成果：ProRL 拓展 LLM 推理边界
大家好，我是肆〇柒。 本文想和大家分享一篇来自 NVIDIA 研究团队的前沿论文——《ProRL: Prolonged Reinforcement Learning Expands Reasoning Boundaries in Large Language Models》。 这篇论文挑战了强化学习在大型语言模型（LLM）中作用的传统认知，还提出了一种创新的训练方法 ProRL，通过长时间的强化学习训练，显著提升了模型的推理能力。
6/5/2025 11:51:14 AM
肆零柒
构建生产级LLM应用完整指南：从原型到落地的全流程实践

构建生产级LLM应用完整指南：从原型到落地的全流程实践
一、LLM应用落地的真实挑战当Jasper AI的写作助手因意外流量在数小时内崩溃时，人们意识到：让LLM应用从实验室走向真实用户，绝非简单的代码迁移。 根据Anthropic 2024年开发者调查，73%的LLM应用在触达用户前折戟沉沙，问题并非出在AI模型本身，而是支撑系统无法应对真实世界的复杂性——用户的不可预测输入、API的偶发故障、成本的突然飙升，这些都是原型阶段未曾遭遇的“暗礁”。 本文将以实战为导向，结合代码示例与架构设计，详解如何将一个基于OpenAI API的简单聊天机器人，升级为具备容错能力、成本可控且可弹性扩展的生产级系统。
6/5/2025 2:45:00 AM
大模型之路
LSTM之父22年前构想将成真？一周内AI「自我进化」论文集中发布，新趋势涌现？

LSTM之父22年前构想将成真？一周内AI「自我进化」论文集中发布，新趋势涌现？
让 AI 实现自我进化是人类一直以来的梦想。 早在 2003 年，AI 先驱、LSTM 之父 Jürgen Schmidhuber 就提出过一种名为「哥德尔机（Gödel Machine）」的构想——它使用一种递归的自我改进协议，如果能够证明新代码的策略较佳，就会重写自己的代码。 但这终究只是一个假想。
6/3/2025 9:14:00 AM
LeCun新作反杀AGI派！AI连「鸟」都搞不懂，拿什么超越人类？

LeCun新作反杀AGI派！AI连「鸟」都搞不懂，拿什么超越人类？
LLM真的可以像人类一样「思考」了？ 图灵奖得主Yann LeCun联手斯坦福团队最新论文，狠狠打脸了LLM类人的神话。 论文链接：，LeCun认为，大模型就是随机鹦鹉，它们的智力甚至连阿猫阿狗都不如。
6/3/2025 9:02:00 AM
微软再放LLM量化大招！原生4bit量化，成本暴减，性能几乎0损失

微软再放LLM量化大招！原生4bit量化，成本暴减，性能几乎0损失
最近，微软亚研院的研究团队开源了原生1bit精度的大模型：BitNet b1.58 2B4T。 还没过几天，原班人马带着第二代BitNet v2来了！ 这次性能几乎0损失，但占用内存和计算成本显著降低！
6/3/2025 8:49:00 AM
全流程拆解：如何使用 LM Studio 优化本地 LLM ？

全流程拆解：如何使用 LM Studio 优化本地 LLM ？
Hello folks，我是 Luga，今天我们来聊一下人工智能应用场景 - 如何通过 LM Studio 优化本地 LLM 性能。 在人工智能浪潮席卷全球的 2025年，本地 LLM 的性能优化已成为开发者和企业关注的焦点。 随着计算资源需求激增，如何在本地环境中提升模型的效率、降低延迟并释放其最大潜力，成为了亟待解决的关键挑战。
6/3/2025 8:40:00 AM
Luga Lee
UC伯克利新作颠覆认知：LLM靠「自信爆表」学会推理？无需外部奖励超进化

UC伯克利新作颠覆认知：LLM靠「自信爆表」学会推理？无需外部奖励超进化
就在刚刚，UC伯克利CS博士后Xuandong Zhao，分享出来自己「今年参与的最鼓舞人心的工作」。 他和同事们发现，在没有外部奖励的情况下，LLM竟然只靠「自信爆棚」，就学会了复杂推理？ 论文地址：，竟能学会复杂推理LLM不靠外部奖励，就能自己学会复杂推理，这个结论实在很出乎意料。
6/3/2025 8:38:00 AM