AI在线 AI在线

模型

形式化证明迈向多模态，MLLM正确率仅4%！港科大等推出全新基准

形式化证明迈向多模态，MLLM正确率仅4%！港科大等推出全新基准
近年来，自动定理证明（ATP）取得了显著进展，但大部分工作都集中在处理纯文本形式的定理。 然而，在现实世界中，尤其是在几何学领域，许多定理的呈现和理解都离不开图像、图表等视觉元素。 人类数学家善于从这些图表中获取直觉，并将其作为引导严谨证明过程的关键。
6/18/2025 8:49:00 AM
不用千亿参数也能合成高质量数据！这个开源框架让小模型“组团逆袭”，7B性能直追72B

不用千亿参数也能合成高质量数据！这个开源框架让小模型“组团逆袭”，7B性能直追72B
无需蒸馏任何大规模语言模型，小模型也能自给自足、联合提升？ 上海人工智能实验室联合中国人民大学提出的GRA框架（Generator–Reviewer–Adjudicator） 正是这样一种新范式：该方法以“多人协作”、“角色分工”的理念为核心，系统性探索了多开源小模型如何通过协同机制生成高质量训练数据。 实验结果显示，在涵盖数学、代码、逻辑推理、通识问答等10个主流数据集上，GRA生成的数据质量与单个大型语言模型（如Qwen-2.5-72B-Instruct）输出相当或更高，并在多数任务中取得了显著领先。
6/18/2025 8:47:00 AM
MiniMax Agent的能力，彻底震撼了我

MiniMax Agent的能力，彻底震撼了我
我最近试用了一款叫MiniMax Agent的产品，说实话，体验完之后整个人都不好了。 图片你想想，以前我们做个网站，得先构思、找素材、写代码、调UI，光是找合适的图片就要花半天时间。 现在这玩意儿，你只要说一句话，它就能帮你搞定一切。
6/18/2025 2:01:00 AM
阿丸笔记
同一天开源新模型，一推理一编程，MiniMax和月之暗面开卷了

同一天开源新模型，一推理一编程，MiniMax和月之暗面开卷了
同一天，国内大模型厂商扎堆发起了新模型。 AI「六小龙」中的 MiniMax 和月之暗面各自公布了开源新成果。 其中，MiniMax 启动了「MiniMax Week」，并在第一天开源了其最新的长上下文推理 LLM——MiniMax-M1。
6/17/2025 3:24:48 PM
刚刚，LMArena最新模型榜单出炉！DeepSeek-R1网页编程能力赶超了Claude Opus 4

刚刚，LMArena最新模型榜单出炉！DeepSeek-R1网页编程能力赶超了Claude Opus 4
在开源模型领域，DeepSeek 又带来了惊喜。 上个月 28 号，DeepSeek 来了波小更新，其 R1 推理模型升级到了最新版本（0528），并公开了模型及权重。 这一次，R1-0528 进一步改进了基准测试性能，提升了前端功能，减少了幻觉，支持 JSON 输出和函数调用。
6/17/2025 9:09:00 AM
Kimi新模型拿下代码开源SOTA，仅仅72B，发布即开源

Kimi新模型拿下代码开源SOTA，仅仅72B，发布即开源
深夜，沉寂已久的Kimi突然发布了新模型——开源代码模型Kimi-Dev，在SWE-bench Verified上以60.4%的成绩取得开源SOTA。 参数量只有72B，但编程水平比最新的DeepSeek-R1还强，和闭源模型比较也表现优异。 有网友看到后表示，感觉月之暗面的实力被低估了，其水平应该比xAI强。
6/17/2025 9:07:24 AM
搜索智能体RAG落地不佳？UIUC开源s3，仅需2.4k样本，训练快效果好

搜索智能体RAG落地不佳？UIUC开源s3，仅需2.4k样本，训练快效果好
当前，Agentic RAG（Retrieval-Augmented Generation）正逐步成为大型语言模型访问外部知识的关键路径。 但在真实实践中，搜索智能体的强化学习训练并未展现出预期的稳定优势。 一方面，部分方法优化的目标与真实下游需求存在偏离，另一方面，搜索器与生成器间的耦合也影响了泛化与部署效率。
6/17/2025 9:04:33 AM
2天完成人类12年工作，AI自动更新文献综述，准确率碾压人类近15%

2天完成人类12年工作，AI自动更新文献综述，准确率碾压人类近15%
当碳基生物还在为写文献综述，打开了一百个浏览器窗口时，隔壁AI已经卷起来了。 （doge）两天完成人类12年工作——医学研究领域中，系统评价（SRs）作为临床决策的黄金标准，平均耗时超过16个月，花费10万美元以上，且容易延长无效或有害治疗方法的使用。 于是多伦多大学、哈佛医学院等机构联合开发了AI端到端工作流程——otto-SR。
6/17/2025 9:00:00 AM
MIT工科生跨界AI，独作论文登Nature：只需3.5小时修复600年前名画

MIT工科生跨界AI，独作论文登Nature：只需3.5小时修复600年前名画
MIT理工男跨界艺术，一不小心就以一篇独作论文登上Nature？ 由他设计的AI算法，将原本需要数月/数年才能搞定的名画修复工作，极限压缩至几小时。 Alex Kachkine，打破画作修复只能对原作数字扫描品进行“缝缝补补”的传统艺能，提出一种“以数字方式修复一幅画，并在物理上实现效果”的全新方法。
6/17/2025 8:50:00 AM
4B Qwen3逆袭671B DeepSeek！字节DAPO微调方法这么猛的吗

4B Qwen3逆袭671B DeepSeek！字节DAPO微调方法这么猛的吗
4B小模型极限在哪里？ 最新模型Jan-nano引起热议，它在智能体任务上超过671B的最新版DeepSeek-V3 0528，在SimpleQA基准上获得80.7分。 先来看一下它的实际表现，包括两个任务：对研究某公司目前的扩张情况，该公司的扩张正威胁着另一家公司的市场份额，并撰写一份可能影响金融公司尽职调查流程的MBA水平报告。
6/17/2025 8:45:00 AM
ACL 2025｜为什么你设计的 Prompt 会成功？新理论揭示大模型 Prompt 设计的奥秘与效能

ACL 2025｜为什么你设计的 Prompt 会成功？新理论揭示大模型 Prompt 设计的奥秘与效能
本文共同一作是张翔和曹峻泰。 张翔是英属哥伦比亚大学研究生，主要研究兴趣集中在大模型推理和 AI for Science；曹峻泰是英属哥伦比亚大学研究生，主要研究兴趣集中在大模型推理和可解释性研究；本文通讯作者是来自纽约大学石溪分校的助理教授尤晨羽，以及来自 Meta Gen AI 的研究员丁渡鉴。 近年来，大型语言模型（LLM）在自然语言处理领域取得了革命性进展。
6/16/2025 2:44:14 PM
Muon作者仅用一篇博客，就被OpenAI看中了

Muon作者仅用一篇博客，就被OpenAI看中了
「许多博士（包括过去的我）都陷入了这样一个误区：认为只有在顶级会议上发表论文才是终极目标。 」AI 云服务商 Hyperbolic CEO Yuchen Jin 如是说。 但现在，发表论文并不与学术影响力直接画等号了。
6/16/2025 2:43:38 PM
10% KV Cache实现无损数学推理！这个开源方法解决推理大模型「记忆过载」难题

10% KV Cache实现无损数学推理！这个开源方法解决推理大模型「记忆过载」难题
推理大模型虽好，但一个简单的算数问题能推理整整三页，还都是重复的“废话”，找不到重点……一种可以把大模型的“碎碎念”转化为可控记忆条目的高效压缩方法，出现了！ R-KV开源登场：显存↓90%、吞吐×6.6、准确率=100%。 它可以通过实时对token进行排序，兼顾重要性和非冗余性，仅保留信息丰富且多样化的token，从而解决大模型推理时的冗余问题。
6/16/2025 2:41:07 PM
网页智能体新突破！引入协同进化世界模型，腾讯AI Lab提出新框架

网页智能体新突破！引入协同进化世界模型，腾讯AI Lab提出新框架
让网页智能体自演进突破性能天花板！ 腾讯AI Lab提出WebEvolver框架，通过引入协同进化的世界模型（World Model），让智能体在真实网页环境中实现10%的性能提升。 由此突破现有基于大语言模型（LLM）的网页智能体“自我迭代演进的性能最终会停滞”的瓶颈。
6/16/2025 2:40:40 PM
如何选择最佳多模态大模型压缩方案？哈工大、度小满开源EFFIVLM-BENCH基准测试框架

如何选择最佳多模态大模型压缩方案？哈工大、度小满开源EFFIVLM-BENCH基准测试框架
在金融科技智能化转型进程中，大语言模型以及多模态大模型（LVLM）正成为核心技术驱动力。 尽管 LVLM 展现出卓越的跨模态认知能力，其部署却长期受限于显著的算力瓶颈 —— 大小中等的模型一次多图推理可能需要 100 G 的显存空间，严重制约产业落地。 针对这一技术痛点，哈工大团队联合度小满金融科技正式发布 EFFIVLM-BENCH，业界首个支持跨场景统一评估的多模态大模型高效化基准框架，为学术界提供可复现的压缩方案对比基准，同时赋能工业界实现最优部署策略遴选。
6/16/2025 2:39:56 PM
全球首次，Transformer「混血」速度狂飙65倍！英伟达已下注

全球首次，Transformer「混血」速度狂飙65倍！英伟达已下注
扩散方法打入语言模型领域！ 最近，康奈尔博士生Subham Sahoo，在X介绍了扩散大语言模型的最新工作。 这项研究引发了AI研究领域的思考。
6/16/2025 9:13:00 AM
12年博士研究，AI两天爆肝完成！科研效率狂飙3000倍，惊动学术圈

12年博士研究，AI两天爆肝完成！科研效率狂飙3000倍，惊动学术圈
多伦多大学、哈佛MIT等机构联手AI，短短2天内，竟干完了科学家12年的活！ 研究一出，在全网掀起了巨震。 沃顿商学院CS教授Ethan Mollick大受震撼，「AI综述论文体量越来越大，而准确性超越了人类」。
6/16/2025 9:12:00 AM
破解三大数据库AI难题！北大＆亚马逊推出全球首个图中心RDB基础模型

破解三大数据库AI难题！北大＆亚马逊推出全球首个图中心RDB基础模型
在企业系统和科学研究中普遍存在、结构复杂的关系型数据库（Relational DataBase, RDB）场景中，基础模型的探索仍处于早期阶段。 这是因为RDB中的多表交互和异质特征，使传统通用大模型在此类结构化环境下难以直接发挥效能。 基于此，北京大学张牧涵团队联合亚马逊云科技共同提出了Griffin：一个具有开创性的、以图为中心的RDB基础模型。
6/16/2025 9:10:00 AM