AI在线 AI在线

模型

AI是「天才」还是「话术大师」？Anthropic颠覆性实验，终揭答案！

AI是「天才」还是「话术大师」？Anthropic颠覆性实验，终揭答案！
颠覆传统AI认知！ Anthropic首席执行官Dario Amodei雄心勃勃，早已立下flag：在2027年前，大多数AI模型问题将被靠谱地检测。 但LLM的幻觉与生俱来，根深蒂固。
10/31/2025 9:00:00 AM
世界模型有了开源基座Emu3.5！拿下多模态SOTA，性能超越Nano Banana

世界模型有了开源基座Emu3.5！拿下多模态SOTA，性能超越Nano Banana
最新最强的开源原生多模态世界模型——北京智源人工智能研究院（BAAI）的悟界·Emu3.5来炸场了。 图、文、视频任务一网打尽，不仅能画图改图，还能生成图文教程，视频任务更是增加了物理真实性。 先感受一下它的高精度操作：一句话消除手写痕迹。
10/31/2025 8:50:00 AM
Meta AI部门大地震！小扎急派心腹干将「救火」

Meta AI部门大地震！小扎急派心腹干将「救火」
Meta AI部门再现人事大地震！ 刚刚，Meta传出重大人事调整：前元宇宙负责人Vishal Shah将转岗至Meta超级智能实验室，担任人工智能产品副总裁，并向Nat Friedman汇报。 这是Meta AI部门最新一次高管调整。
10/30/2025 4:05:42 PM
中科院联合清华等发布视觉语言行动推理模型VLA-R1，让机器人先思考再行动

中科院联合清华等发布视觉语言行动推理模型VLA-R1，让机器人先思考再行动
还记得 DeepSeek R1吗？ 它实现了大语言模型先思考再回答。 刚刚，中科院自动化所、清华和GigaAI联合发布视觉-语言-行动（Vision-Language-Action, VLA）模型的R1推理版本。
10/30/2025 4:04:35 PM
告别GPT！最强AI编程神器Cursor自研核心模型，速度快4倍，AI创业公司大佬：这是我用过最疯狂的模型之一！网友：性价比不俗

告别GPT！最强AI编程神器Cursor自研核心模型，速度快4倍，AI创业公司大佬：这是我用过最疯狂的模型之一！网友：性价比不俗
编辑 | 听雨出品 | 51CTO技术栈（微信号：blog51cto）这两天真是大事不断。 AI 编程工具 Cursor 背后的初创公司 Anysphere，在最新的 Cursor 2.0 更新中正式推出了首个自研大型语言模型 —— Composer。 Composer 是一款专为生产级环境设计的高性能编程模型，旨在让 AI 能更快、更精准地执行真实软件开发任务。
10/30/2025 2:22:54 PM
听雨
阿里新研究：统一了VLA和世界模型

阿里新研究：统一了VLA和世界模型
如果说视觉让AI看见世界，动作让AI改变世界，那么——WorldVLA正在让AI理解世界。 顾名思义，WorldVLA是一个将视觉语言动作模型（VLA）与世界模型相融合的统一框架，由阿里巴巴达摩院、湖畔实验室和浙江大学共同提出。 在该框架下，世界模型通过结合对动作与图像的理解来预测未来图像，旨在学习环境的潜在物理规律，以提升动作生成的准确性；动作模型则基于图像观测生成后续动作，不仅有助于视觉理解，还反向促进世界模型的视觉生成能力。
10/30/2025 8:53:34 AM
对 GPT 5 模型路由机制的深度解析

对 GPT 5 模型路由机制的深度解析
我们今天为大家带来的文章，作者的观点是：GPT-5 通过引入“智能路由器”架构，实现了按需调用不同专家模型的动态协作机制，标志着大模型正从“全能单体架构”迈向“专业化协同架构”的新范式。 文章深入剖析了 GPT-5 路由机制的四大决策支柱 —— 对话类型、任务复杂度、工具需求与用户显性意图，并对比了其相较于 GPT-4、Toolformer 及早期插件系统的突破性进步。 作者还详细拆解了该架构的技术实现路径、核心优势（如响应速度提升、资源成本优化、可解释性）以及潜在挑战（如延迟叠加、路由误判、调试困难）。
10/30/2025 2:13:00 AM
Baihai IDP
单条演示即可抓取一切：北大团队突破通用抓取，适配所有灵巧手本体

单条演示即可抓取一切：北大团队突破通用抓取，适配所有灵巧手本体
在灵巧手通用抓取的研究中，由于动作空间维度高、任务具有长程探索特征且涉及多样化物体，传统强化学习（RL）面临探索效率低、奖励函数及训练过程设计复杂等挑战。 基于此，北京大学及BeingBeyond团队提出DemoGrasp框架——一种简单且高效的通用灵巧手抓取学习方法。 该方法以一次成功的抓取演示轨迹为起点，通过对轨迹中的机器人动作进行编辑，以适应不同物体与姿态：改变腕部位姿用于确定“抓取位置”，调整手指关节角度用于确定“抓取方式”。
10/29/2025 4:38:26 PM
OpenAI终于快要上市了，也直面了这23个灵魂拷问

OpenAI终于快要上市了，也直面了这23个灵魂拷问
OpenAI昨天晚上9点，公布了一个消息。 这个事，影响还蛮大的，基本代表着，OpenAI在开始准备上市了。 图片然后，奥特曼也非常临时的宣布了重组的消息，以及，北京时间凌晨1点半，开始直播。
10/29/2025 4:29:27 PM
数字生命卡兹克
史上最惨一代？AI延长人类寿命，下一代活到200岁不是梦！

史上最惨一代？AI延长人类寿命，下一代活到200岁不是梦！
OpenAI、谷歌、微软、Meta、Anthropic等耳熟能详的科技大厂，高喊AGI将至。  人类可能正在站在命运的分水岭：AI或许即将自我进化，带来智能爆炸与生命延长，也可能制造出人类无法理解的「黑箱语言」。  内容创业者Matt Wolfe长期以来一直关注人工智能，并曾有幸对多位重量级人物进行专访，包括DeepMind的创始人 诺奖得主Demis Hassabis、微软CEO纳德拉以及谷歌CEO劈柴等。
10/29/2025 4:27:33 PM
MetaAI解锁Transformer潜意识，仅额外3%计算开销，性能提升最高55%

MetaAI解锁Transformer潜意识，仅额外3%计算开销，性能提升最高55%
Meta FAIR部门的研究员François Fleuret发布了一篇名为《The Free Transformer》的论文，提出了一种对现有解码器Transformer模型的精妙扩展。 这项技术的核心，是让模型在生成每个字之前，能先在内部形成一个类似计划或草稿的隐性决策，而不是像过去那样，只能边写边想。 实验证明，这种先计划，后执行的模式，在编程、数学和推理等任务上带来了显著的性能提升。
10/29/2025 4:20:57 PM
清华姚班团队，开源具身智能视觉语言动作（VLA）模型工具箱，打造行业通用技术底座

清华姚班团队，开源具身智能视觉语言动作（VLA）模型工具箱，打造行业通用技术底座
一群来自清华姚班、前旷视科技的核心人物，决定为具身智能领域建立一套通用准则，叫Dexbotic。 Dexbotic是基于PyTorch的视觉语言动作（Vision-Language-Action，VLA）模型工具箱。 目的是为具身智能领域的专业人士提供一站式VLA研究服务，由一家叫原力灵机（Dexmal）的具身智能公司开发。
10/29/2025 4:11:39 PM
美团杀入视频生成模型赛道，LongCat-Video 136亿参数媲美顶尖模型，效率提升10倍

美团杀入视频生成模型赛道，LongCat-Video 136亿参数媲美顶尖模型，效率提升10倍
又是美团！ 美团最近在AI领域的开源动作，真是令人刮目相看。 刚刚，美团LongCat团队发布了LongCat-Video的基础视频生成模型，它拥有136亿的参数量，能在数分钟内生成720p、30帧每秒的高质量视频，并且在文本转视频、图像转视频和长视频续写等多个任务上都表现出色。
10/29/2025 4:10:41 PM
天下苦VAE久矣：阿里高德提出像素空间生成模型训练范式, 彻底告别VAE依赖

天下苦VAE久矣：阿里高德提出像素空间生成模型训练范式, 彻底告别VAE依赖
近年来，基于扩散模型的图像生成技术发展迅猛，催生了Stable Diffusion、Midjourney等一系列强大的文生图应用。 然而，当前主流的训练范式普遍依赖一个核心组件——变分自编码器（VAE），这也带来了长久以来困扰研究者们的几个问题：训练复杂性：VAE旨在将高维图像压缩至低维隐空间，并能从中重建图像。 但其训练过程需要在压缩率和重建质量之间取得精妙平衡，本身就极具挑战。
10/29/2025 4:06:10 PM
刚刚，最佳VLA模型GigaBrain-0开源：世界模型驱动10倍数据，真机碾压SOTA

刚刚，最佳VLA模型GigaBrain-0开源：世界模型驱动10倍数据，真机碾压SOTA
近日，在湖北武汉东湖高新区，极佳视界与湖北人形机器人创新中心完成战略合作签约，并联合发布端到端VLA「具身基础模型」GigaBrain-0。 这是国内首个利用「世界模型」生成数据实现真机泛化的视觉-语言-动作（VLA）基础模型，旨在通过世界模型为中心，无论在数据侧还是模型侧，彻底改变通用机器人大脑的开发方式。 GigaBrain-0拥有当前最先进的VLA模型架构，同时支持图像、点云、文本、本体状态的输入，输出结构化的任务规划和运动规划，并在大规模的数据上完成预训练，可以实现更精准的移动导航和长序列的复杂操作。
10/29/2025 4:04:51 PM
推理时扰动高熵词，增强LLM性能

推理时扰动高熵词，增强LLM性能
本文第一作者杨震，香港科技大学（广州）博士生，研究方向是多模态理解与生成等。 本文通讯作者陈颖聪，香港科技大学（广州）助理教授，主要研究课题包括生成模型、具身智能等。 随着对大语言模型的研究越来越深入，关于测试时间扩展 (test-time scaling) 的相关研究正迅速崭露头角。
10/29/2025 9:25:34 AM
高维时序预测的ImageNet时刻！首个高维时序预测基准发布，模型领跑多数据集SOTA

高维时序预测的ImageNet时刻！首个高维时序预测基准发布，模型领跑多数据集SOTA
时间序列预测来到真正意义上的“高维赛场”！ 从原来几百维的小数据集到万维系统，时序预测模型面对真实世界，终于不用再“一碰就脆”。 这是来自全华人团队最新研究——业界首个专为高维时间序列预测设计的大规模基准Time-HD。
10/29/2025 9:12:25 AM
超越英伟达Describe Anything！中科院 & 字节联合提出「GAR」，为DeepSeek-OCR添砖加瓦

超越英伟达Describe Anything！中科院 & 字节联合提出「GAR」，为DeepSeek-OCR添砖加瓦
近期，DeepSeek-OCR提出了“Vision as Context Compression”的新思路，然而它主要研究的是通过模型的OCR能力，用图片压缩文档。 那么自然图像是否也能作为文本的压缩呢？ 中科院&字节联合提出的「Grasp Any Region」提供了新思路。
10/29/2025 9:09:46 AM