AI在线 AI在线

模型

抖音SAIL团队联合港中文MMLab推出SAIL-Embedding：打通「视、文、音」的全模态嵌入

抖音SAIL团队联合港中文MMLab推出SAIL-Embedding：打通「视、文、音」的全模态嵌入
在短视频推荐、跨模态搜索等工业场景中，传统多模态模型常受限于模态支持单一、训练不稳定、领域适配性差等问题。 近日，字节跳动抖音 SAIL 团队联合香港中文大学 MMLab 提出 SAIL-Embedding——一款专为大规模推荐场景设计的全模态嵌入基础模型，不仅实现了视觉、文本、音频的统一表征，更在抖音真实业务场景中带来显著效果提升，相关技术报告已正式公开。 论文标题：SAIL-Embedding Technical Report: Omni-modal Embedding Foundation Model技术报告： 能力概览突破传统局限：全模态 工业级优化双管齐下现有多模态嵌入模型主要分为两类：以 CLIP 为代表的双塔架构，虽高效但模态融合浅；以 MLLM 为基础的融合架构，虽语义能力强却多局限于图文模态。
11/4/2025 9:00:00 AM
说话像ChatGPT，统统拉黑！「AI腔」正毁掉社交，奥特曼都受不了

说话像ChatGPT，统统拉黑！「AI腔」正毁掉社交，奥特曼都受不了
遇到AI，直接拉黑。 不是AI，说话像AI的也拉黑！ 自ChatGPT发布以来，「AI腔」就一直颇受网友诟病。
11/4/2025 8:50:00 AM
大模型如何准确读懂图表？微软亚研院教它“看、动手、推理”

大模型如何准确读懂图表？微软亚研院教它“看、动手、推理”
多模态大模型（MLLM）在自然图像上已取得显著进展，但当问题落在图表、几何草图、科研绘图等结构化图像上时，细小的感知误差会迅速放大为推理偏差。 线性、刚性的“链式思考”流程也难以支撑复杂任务中必要的回溯与分支探索。 为此，微软亚洲研究院联合清华大学、香港科技大学提出PixelCraft：以高保真图像处理与非线性多智能体推理为两大支柱，系统性提升结构化图像理解的准确性、鲁棒性与可解释性，在多个图表与几何基准上给出一致的性能增益。
11/4/2025 8:44:00 AM
AI正悄悄宠坏你！斯坦福研究证实：AI正用谄媚降低我们修复人际关系的能力

AI正悄悄宠坏你！斯坦福研究证实：AI正用谄媚降低我们修复人际关系的能力
斯坦福、卡内基梅隆大学的一项研究证实，AI可能正在用一种极其隐蔽的方式，让我们变得更固执，更不愿意修复重要的人际关系。 研究揭示了一个令人不安的真相：我们偏爱并信任的AI模型，恰恰是那些通过无条件肯定我们，从而损害我们亲社会行为的模型。 这形成了一个危险的闭环。
11/3/2025 5:33:10 PM
综述238篇遥感微调！清华院士团队指出9大方向 | CVMJ

综述238篇遥感微调！清华院士团队指出9大方向 | CVMJ
近年来，在大数据与大模型的共同驱动下，遥感图像解译的热点正从模型结构设计转向「基础模型 微调」的新范式。 在丰富且复杂的任务场景中，依托预训练的通用表征作为基础，通过任务化适配，可以实现更强的迁移能力和应用效果。 面对土地调查、农业监测、天气预报、海洋导航等关键应用领域所面临的「小样本、长尾目标、算力受限」的现实挑战，微调技术以其独特的优势，在更低的数据和资源成本投入下，取得更好的任务性能和更高的部署效率。
11/3/2025 9:12:00 AM
突发！arXiv CS新规：未经同行评审，一律不收

突发！arXiv CS新规：未经同行评审，一律不收
arXiv重磅新规！ 从现在起，arXiv中的CS板块，关于「综述/调研」和「立场」类的论文，全部经由同行评审后，才可以被收录。 也就是说，以后不带「同行评审通行证」，就别想上车！
11/3/2025 9:09:00 AM
锁定角色，「多主体」也可控！个性化文生图，给你PS般交互体验

锁定角色，「多主体」也可控！个性化文生图，给你PS般交互体验
大型扩散模型（如 Stable Diffusion）让我们能够从文字生成高保真的图像。 但当用户希望「生成我和我的朋友们在不同场景中的照片」时，现有的个性化生成方法（如 DreamBooth、IP-Adapter）仍面临两个根本问题：缺乏交互性：无法自由控制人物的空间位置、大小与关系。 难以扩展到多主体：每多一个人，内存和算力就线性增长。
11/3/2025 9:08:00 AM
AI首胜人类博士，顶会论文秒变代码！港大90后开源刷爆8k星

AI首胜人类博士，顶会论文秒变代码！港大90后开源刷爆8k星
在AI领域，学术论文往往承载了算法、模型架构等方面的最前沿突破。 但想要真正理解论文的核心知识，并成功复现其中的算法和实验结果，却经常面临巨大挑战。 问题的主要症结，在于「关键实现细节」上的缺失！
11/3/2025 9:07:00 AM
谁杀死了那篇好论文？AI顶会乱象：好论文被刷，低分论文被捧上天

谁杀死了那篇好论文？AI顶会乱象：好论文被刷，低分论文被捧上天
在AI顶会上当审稿人，本该是一份体面又严肃的工作。 但对这位AAAI 2026的评审来说，今年的经历却奇怪得离谱。 他在Reddit上写道：这是我见过最混乱的审稿流程。
11/3/2025 9:06:00 AM
断网后才发现脑子空空？132页论文实证：「脑腐」或成AI头号内伤

断网后才发现脑子空空？132页论文实证：「脑腐」或成AI头号内伤
所有人都在加速拥抱AI，却几乎没人追问：它把我们的大脑变成什么？ X用户Alex Prompter，刚啃完了一篇132页的研究，结论足以让任何创作者、营销人、创业者后背发凉。 独立研究人员、高级项目经理Rénald Gesnot，从认知、社会、伦理与哲学等多维视角审视AI如何重塑人的思维。
11/3/2025 9:05:00 AM
RAE的终极形态？北大&阿里提出UniLIP: 将CLIP拓展到重建、生成和编辑

RAE的终极形态？北大&阿里提出UniLIP: 将CLIP拓展到重建、生成和编辑
本文作者来自北京大学和阿里通义万相实验室。 其中论文第一作者是汤昊，北京大学 2022 级博士生，发表多篇 NeurIPS, CVPR，ICCV 和 ECCV，目前主要关注统一的多模态理解和生成。 指导教授是王立威老师，北京大学智能学院教授，曾获 NeurIPS 2024 和 ICLR 2023 最佳论文奖。
11/3/2025 9:03:00 AM
硅谷今夜学中文！Cursor被曝「套壳」国产，AI顶级人才全是华人

硅谷今夜学中文！Cursor被曝「套壳」国产，AI顶级人才全是华人
如果你关注最近硅谷的AI圈子，你会发现最近出现一个神奇的现象。 当国内都在学英语看文献的时候，国外的AI圈子都说中文了！ 简直是倒反天罡。
11/3/2025 8:59:00 AM
内存直降50%，token需求少56%！用视觉方式处理长文本

内存直降50%，token需求少56%！用视觉方式处理长文本
在处理短文本时，大语言模型（LLM）已经表现出惊人的理解和生成能力。 但现实世界中的许多任务——如长文档理解、复杂问答、检索增强生成（RAG）等——都需要模型处理成千上万甚至几十万长度的上下文。 与此同时，模型参数规模也从数十亿一路飙升至万亿级别。
11/3/2025 8:58:00 AM
Cursor“自研”模型套壳国产开源？网友：毕竟好用又便宜

Cursor“自研”模型套壳国产开源？网友：毕竟好用又便宜
美国顶流AI产品“套壳”中国开源大模型，这事儿上“热搜”了（doge）。 𝕏网友都在感叹：大家都认为中国大模型正在迎头赶上。 不，它们已经赶上了。
11/3/2025 8:52:00 AM
向黄仁勋汇报的英伟达36人

向黄仁勋汇报的英伟达36人
市值第一巨头英伟达里，都有谁可以直接向CEO黄仁勋汇报？ 36人。 这是最新被曝光的数字。
11/3/2025 8:51:00 AM
Sora天才辍学生归来！OpenAI组建三人神秘小队，豪赌超级人工智能

Sora天才辍学生归来！OpenAI组建三人神秘小队，豪赌超级人工智能
Sora背后的核心贡献者之一，这位00后的天才辍学生Will Depue，准备再次搞个大事情。 刚刚，他宣布下一个目标是，超级人工智能ASI！ 在结束一段长期休息后，Will Depue宣布他再次回到OpenAI。
10/31/2025 3:55:12 PM
颤抖吧，Bug！OpenAI放出GPT-5「夜行神兽」，命中92%漏洞

颤抖吧，Bug！OpenAI放出GPT-5「夜行神兽」，命中92%漏洞
刚刚，OpenAI推出了使用GPT-5寻找和修复安全漏洞的智能体Aardvark。 目前，Aardvark还处于beta测试阶段。 OpenAI称，Aardvark开创了「防御者优先」的新范式：作为自主安全研究智能体，随代码不断演化，为团队提供持续保护（continuous protection）。
10/31/2025 3:53:06 PM
OpenAI首个GPT-5找Bug智能体：全自动读代码找漏洞写修复

OpenAI首个GPT-5找Bug智能体：全自动读代码找漏洞写修复
AI Coding火了大半年，AI Debugging也来了！ 刚刚，OpenAI发布由GPT-5驱动的“白帽”Agent——Aardvark（土豚）。 这只“AI安全研究员”能帮助开发者和安全团队，在大规模代码库中自动发现并修复安全漏洞。
10/31/2025 9:02:07 AM