AI在线 AI在线

模型

你永远叫不醒装睡的大模型！多轮对话全军覆没，性能暴跌39%

你永远叫不醒装睡的大模型！多轮对话全军覆没，性能暴跌39%
ChatGPT将大模型技术推动到「对话」场景，直接引发了AI技术的爆炸式增长。 用户可以先提出一个粗糙的、不明确的问题，再根据模型的回答逐步完善指令、补充细节，多轮对话也催生出「跟AI打电话」等有趣的应用设计。 不过，现有的大模型性能评估基准仍然是基于单轮对话机制，输入的指令也更长，信息更完善，其在真实场景中多轮对话的性能仍然没有得到很好地评估。
6/9/2025 8:30:00 AM
苹果炮轰推理模型全是假思考！4个游戏戳破神话，o3/DeepSeek高难度全崩溃

苹果炮轰推理模型全是假思考！4个游戏戳破神话，o3/DeepSeek高难度全崩溃
苹果最新大模型论文，在AI圈炸开了锅。 有人总结到：苹果刚刚当了一回马库斯，否定了所有大模型的推理能力。 这篇论文称推理模型全都没在真正思考，无论DeepSeek、o3-mini还是Claude 3.7都只是另一种形式的“模式匹配”，所谓思考只是一种假象。
6/8/2025 2:15:42 PM
字节跳动发布图像编辑模型SeedEdit 3.0 细节保持能力进一步提升

字节跳动发布图像编辑模型SeedEdit 3.0 细节保持能力进一步提升
6月6日，字节跳动Seed团队正式发布了图像编辑模型SeedEdit3.0。 这一全新版本的图像编辑模型在图像主体保持、背景细节处理以及指令遵循等方面取得了显著进步，极大地提升了图像编辑的可用率和效率。 SeedEdit3.0是基于文生图模型Seedream3.0开发的，通过引入多样化的数据融合方法和特定奖励模型，解决了以往图像编辑模型在主体与背景保持、指令遵循等方面的不足。
6/6/2025 3:01:06 PM
AI在线
12.1万高难度数学题让模型性能大涨，覆盖FIMO/Putnam等顶级赛事难度，腾讯上海交大出品

12.1万高难度数学题让模型性能大涨，覆盖FIMO/Putnam等顶级赛事难度，腾讯上海交大出品
12.1万道IMO级难度数学“特训题”，让AI学会像人类一样推导数学证明！ “特训”过后，模型定理证明性能大涨，7B模型性能比肩或超越现有的开源模型和Claude3.7等商业模型。 “特训题”为DeepTheorem，是首个基于自然语言的数学定理证明框架与数据集，由腾讯AI Lab与上海交大团队联合推出。
6/6/2025 2:25:04 PM
Gemini新版蝉联竞技场榜一，但刚发布就被越狱了

Gemini新版蝉联竞技场榜一，但刚发布就被越狱了
没等来o3 Pro和GPT-5，隔壁谷歌的Gemini先更新了。 深夜，谷歌通过等多个账号同时官宣，Gemini 2.5 Pro再次推出新版本（0605）。 新版本在代码、推理等任务上的表现更上一层楼，在超难数据集“人类最后的考试”中以21.6%的成绩超过了o3。
6/6/2025 2:23:48 PM
阿里智能体多轮推理超越GPT-4o，开源模型也能做Deep Research

阿里智能体多轮推理超越GPT-4o，开源模型也能做Deep Research
能够完成多步信息检索任务，涵盖多轮推理与连续动作执行的智能体来了。 通义实验室推出WebWalker（ACL2025）续作自主信息检索智能体WebDancer。 WebDancer 通过系统化的训练范式——涵盖从数据构建到算法设计的全流程——为构建具备长期信息检索能力的智能体提供了明确路径。
6/6/2025 2:17:11 PM
清华给电子显微镜加上Agent，DeepSeek V3全程调度，数天流程缩短至几分钟

清华给电子显微镜加上Agent，DeepSeek V3全程调度，数天流程缩短至几分钟
AI Agent又解锁了一个领域！ 清华大学牵头，与西北工业大学以及上海AI lab等机构推出了电镜领域的AI agent——AutoMat。 它相当于一位精准的“地图翻译官”，把原子级 STEM 图像自动转成标准 CIF 结构，并一步到位给出形成能等关键物性。
6/6/2025 2:14:09 PM
苹果拆解AI大脑，推理模型全是「装」的？Bengio兄弟合著

苹果拆解AI大脑，推理模型全是「装」的？Bengio兄弟合著
AI「思考」只是假象？ 刚刚，一项来自苹果的重磅研究揭示了「大推理模型（LRM）」背后的惊人真相——这些看似聪明的模型，在面对稍复杂点的题目时，准确率居然会全面崩溃！ 随着问题变难，推理模型初始会延长思考，但随后思考深度反而下降，尽管仍有充足token预算——它们恰在最需要深入思考时选择了放弃！
6/6/2025 2:13:46 PM
危险？OpenAI 模型行为负责人：人类很快会进入「AI意识」，当前最重要是控制人机关系的影响

危险？OpenAI 模型行为负责人：人类很快会进入「AI意识」，当前最重要是控制人机关系的影响
AI是否真的有意识？ ChatGPT最近越来越懂你了？ OpenAI模型行为与政策负责人Joanne Jang刚刚写了一篇长文，她并未纠缠于“AI是否真的有意识”这个哲学难题，而是提出了一个更具现实意义和紧迫性的视角：与其争论AI的“本体”，不如关注它对人类“情感福祉”的实际影响。
6/6/2025 9:15:52 AM
精准调控大模型生成与推理！浙大&腾讯新方法尝试为其注入“行为定向剂”

精准调控大模型生成与推理！浙大&腾讯新方法尝试为其注入“行为定向剂”
如果你面前有两个AI助手：一个能力超强却总爱“离经叛道”，另一个规规矩矩却经常“答非所问”，你会怎么选？ 这正是当前大模型控制面临的两难困境：要么模型聪明却难以约束，要么守规矩却缺乏实用性。 但我们真正追求的，并不是在“聪明但难控”与“听话但愚钝”之间二选一，而是打造既强又好的AI助手——既具备强大的智能能力，又能始终按照人类意图行事。
6/6/2025 9:15:00 AM
Qwen&清华团队颠覆常识：大模型强化学习仅用20%关键token，比用全部token训练还好

Qwen&清华团队颠覆常识：大模型强化学习仅用20%关键token，比用全部token训练还好
近期arxiv最热门论文，Qwen&清华LeapLab团队最新成果：在强化学习训练大模型推理能力时，仅仅20%的高熵token就能撑起整个训练效果，甚至比用全部token训练还要好。 团队用这个发现在Qwen3-32B上创造了新的SOTA记录：AIME’24上达到63.5分，AIME’25上达到56.7分，这是600B参数以下直接从base模型训练的最高分。 最大响应长度从20k延长到29k，AIME’24的分数更是飙升到了68.1分。
6/6/2025 9:13:00 AM
性能大涨！阿里开源新版Qwen3模型，霸榜文本表征

性能大涨！阿里开源新版Qwen3模型，霸榜文本表征
今天凌晨，阿里巴巴开源了两款Qwen3系列新模型，Qwen3-Embedding和Qwen3-Reranker。 这两个模型是专为文本表征、检索与排序任务设计，基于 Qwen3基础模型训练，充分继承了Qwen 3在多语言文本理解方面的优势，支持119种语言。 根据测试数据显示，在多语言文本表征基准测试中，Qwen3 Embedding的性能非常出色。
6/6/2025 9:12:53 AM
让GPU不再摸鱼！清华蚂蚁联合开源首个全异步RL，一夜击穿14B SOTA

让GPU不再摸鱼！清华蚂蚁联合开源首个全异步RL，一夜击穿14B SOTA
还记得今年初DeepSeek‑R1系列把纯强化学习（RL）训练开源，点燃社区对于RL的热情吗？ 不久后，来自清华蚂蚁联合开源项目AReaL（v0.1）也通过在DeepSeek-R1-Distill-Qwen-1.5B上进行RL训练，观察到模型性能的持续提升。 AReaL（v0.1）在40小时内，使用RL训练的一个1.5B参数模型，在数学推理方面就超越了o1-Preview版本。
6/6/2025 9:10:00 AM
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
推理时间减少70%！前馈3DGS「压缩神器」来了，浙大Monash联合出品

推理时间减少70%！前馈3DGS「压缩神器」来了，浙大Monash联合出品
在增强现实（AR）和虚拟现实（VR）等前沿应用领域，新视角合成（Novel View Synthesis，NVS）正扮演着越来越关键的角色。 3D高斯泼溅（3D Gaussian Splatting，3DGS）凭借其革命性的实时渲染能力和卓越的视觉质量，迅速成为NVS领域备受关注的技术方案。 现有的前馈3D高斯泼溅（Feed-Forward 3D Gaussian Splatting，3DGS）模型，虽然在实时渲染和高效生成3D场景方面取得了显著进展，但仍存在一些关键缺陷。
6/6/2025 9:07:00 AM
DeepMind揭惊人答案：智能体就是世界模型！跟Ilya 2年前预言竟不谋而合

DeepMind揭惊人答案：智能体就是世界模型！跟Ilya 2年前预言竟不谋而合
就在刚刚，DeepMind科学家Jon Richens在ICML 2025上发表的论文，一石激起千层浪。 实现人类水平的智能体（即AGI），是否需要世界模型，还是存在无模型的捷径？ 他们从第一性原理出发，揭示了一个令人惊讶的答案——智能体就是世界模型！
6/6/2025 9:02:00 AM
大模型结构化推理优势难复制到垂直领域！最新法律AI评估标准来了，抱抱脸评测集趋势第一

大模型结构化推理优势难复制到垂直领域！最新法律AI评估标准来了，抱抱脸评测集趋势第一
大模型推理，无疑是当下最受热议的科技话题之一。 但在数学和物理等STEM之外，当LLM落到更多实际应用领域之中，大模型的推理能力又有多大的潜能和局限？ 比如，如何评估大模型的推理能力在法律领域的应用，就在当前备受关注。
6/6/2025 9:00:00 AM
RL后训练步入超节点时代！华为黑科技榨干算力，一张卡干俩活

RL后训练步入超节点时代！华为黑科技榨干算力，一张卡干俩活
在大模型竞赛白热化的当下，「强化学习后训练」已成为突破LLM性能天花板的核心路径。 爆火出圈的OpenAI o1、DeepSeek-R1等模型，背后都是依靠RL后训练点石成金。 相较于预训练阶段的「广撒网」式知识获取，RL 后训练通过驱动模型与外部环境进行动态交互，直接塑造了LLM在复杂任务中的推理效能。
6/6/2025 8:55:00 AM