模型
R-HORIZON：长程推理时代来临，复旦NLP&美团LongCat重磅发布LRMs能力边界探测新范式
陆毅，复旦大学自然语言处理实验室硕士生，在 ACL、EMNLP、COLM、NeurIPS 等顶会发表论文十余篇，LongCat Team 核心成员，研究方向为大模型的复杂推理和长序列建模，指导老师为桂韬老师。 郭林森，硕士毕业于东南大学，在 NAACL、EMNLP、Recsys 等会议发表论文多篇，目前就职于美团，LongCat Team 核心成员，研究方向为大模型评测与数据价值挖掘。 王嘉宁，获得华东师范大学博士学位，曾前往 UCSD 访问学习，在 ACL、EMNLP、AAAI、ICLR 等顶会发表论文数十篇，目前就职于美团，LongCat Team 核心成员，研究方向为大模型训练与复杂推理。
清华联手英伟达打造扩散模型新蒸馏范式！视频生成提速50倍，四步出片不穿模
让视频生成提速50倍，不穿模还不糊字。 新蒸馏范式让Wan2.1 14B仅需4步就生成吃火锅视频：这是清华大学朱军教授团队， NVIDIA Deep Imagination研究组联合提出的一种全新的大规模扩散模型蒸馏范式——分数正则化连续时间一致性模型 （Score-Regularized Continuous-Time Consistency Model, rCM）。 该方法首次将连续时间一致性蒸馏成功扩展至百亿参数级别的文生图和文生视频模型，解决了现有方法在真实应用场景中的瓶颈。
智谱运气是差一点点，视觉Token研究又和DeepSeek撞车了
这不巧了吗……智谱和DeepSeek，又双叒撞车了。 太卷了，DeepSeek-OCR刚发布不到一天，智谱就开源了自家的视觉Token方案——Glyph。 既然是同台对垒，那自然得请这两天疯狂点赞DeepSeek的卡帕西来鉴赏一下：或许你也会对我们的工作感兴趣。
不改模型也能提升推理性能？ICLR投稿提出测试时扩展新范式OTV
近年来，大语言模型在各类任务上表现出色，但幻觉、逻辑错误、推理漏洞等问题仍屡见不鲜。 这促使研究者持续探索提升模型输出可靠性的新路径。 现有主流范式各有优势，也存在局限。
一张照片，一个3D「你」：计算所等提出HumanLift，实现高保真数字人重建
创建具有高度真实感的三维数字人，在三维影视制作、游戏开发以及虚拟/增强现实（VR/AR）等多个领域均有着广泛且重要的应用。 尽管现有技术在从多视角图片重建高质量、可动画化的三维人体模型任务中展现出诸多优势，但从单张参考图像重建真实感三维数字人，依旧面临技术复杂、资源消耗大的挑战。 如何兼顾三维一致性与参考图像一致性，重建出高质量、高真实感的人物外观与姿势，以及如何生成高真实度且细节一致的服饰、人脸等，都是亟待解决的难题。
文本已死，视觉当立！Karpathy狂赞DeepSeek新模型，终结分词器时代
DeepSeek再次让全世界大吃一惊！ 他们最新成果DeepSeek-OCR，从根本上改变了游戏规则——文本并非通用的输入。 反而，视觉将取而代之！
Embedding黑箱成为历史！这个新框架让模型“先解释，再学Embedding”
让模型先解释，再学Embedding！ 来自UIUC、ANU、港科大、UW、TAMU等多所高校的研究人员，最新推出可解释的生成式Embedding框架——GRACE。 过去几年，文本表征（Text Embedding）模型经历了从BERT到E5、GTE、LLM2Vec，Qwen-Embedding等不断演进的浪潮。
长序列推理不再卡顿！北大华为KV缓存管理框架实现4.7倍推理加速
北大华为联手推出KV cache管理新方式，推理速度比前SOTA提升4.7倍！ 大模型处理长序列时，KV cache的内存占用随序列长度线性增长，已成为制约模型部署的严峻瓶颈。 为此，来自北京大学与华为的研究团队联合提出了LouisKV——一个专为长输入、长输出等各类长序列场景设计的高效KV cache 检索框架。
ChatGPT千亿tokens，干掉麦肯锡5000名顾问
全球顶级咨询公司麦肯锡，居然收到了OpenAI最近给Tokens消耗大客户颁发的奖牌。 麦肯锡自己还怪自豪的，第一时间就把奖牌po到了领英上。 等等，好像哪里不对……但凡过遍脑子，都能察觉出“这份荣耀”有点不对味——你花百万美金买PPT的麦肯锡，竟然是ChatGPT的大客户？
ChatGPT也遭殃，亚马逊服务器故障，半个互联网都崩了
亚马逊一声咳嗽，半个互联网都地震了。 由于亚马逊AWS服务器宕机，大量互联网服务被迫中断，ChatGPT也被殃及。 故障发生在美国东部us-east-1区域，是AWS全球服务最核心的一块。
科研狗狂喜！Claude新版神器一键跑完整套流程，告别996爆肝研究
科研狗的春天来了！ 今天，Anthropic正式发布「Claude生命科学版」（Claude for Life Sciences）。 背后用的是，最强大的Claude Sonnet 4.5模型。
LLM记忆管理终于不用“手把手教”了，新框架让智能体自主管理记忆系统
不再依赖人工设计，让模型真正学会管理记忆。 来自来自加州大学圣地亚哥分校、斯坦福大学的研究人员提出了一个创新的强化学习框架——Mem-α，用于训练LLM智能体自主管理复杂的记忆系统。 在实际应用中，仅仅依靠prompts和instructions往往不足以覆盖所有场景：模型经常会遇到不知道如何更新记忆的情况，尤其是当记忆系统像MIRIX那样变得复杂时。
OpenAI也缺卡！僧多粥少，自曝内部抢卡抢到发疯
OpenAI正面临绝对的算力稀缺。 总裁Greg Brockman自曝内部算力资源争夺严重，已经到了用痛苦与煎熬来形容的程度。 说起来也不意外，现在AI领域但凡想搞点新东西，算力都是绕不开的坎儿。
1.58bit不输FP16！微软推出全新模型蒸馏框架，作者全是华人
1.58bit量化，内存仅需1/10，但表现不输FP16？ 微软最新推出的蒸馏框架BitNet Distillation（简称BitDistill），实现了几乎无性能损失的模型量化。 该框架在4B及以下的Qwen、Gemma上已被证实有效，理论上可用于其他Transformer模型。
开源对机器人的价值，远超大模型时代的想象丨唐文斌深度对谈抱抱脸创始人
“很多模型在模拟器里完美运行，但一到现实就彻底失灵。 ”在最新一次线上对谈中，Dexmal联合创始人唐文斌与Hugging Face联合创始人Thomas Wolf指出了当前机器人研究的最大痛点。 唐文斌是旷视科技联合创始人兼CTO，原力灵机（Dexmal）CEO、清华大学“姚班”出身、首届“Yao Award”金牌得主。
GPT-5破解世纪难题，竟是上网抄来的！哈萨比斯：太尴尬了
OpenAI团队狂吹了一波GPT-5，结果竟是闹剧一场......事情是这样的。 几天前，OpenAI科学家Sebastien Bubeck激动转发，两位研究员联手GPT-5 Pro，仅用了一个周末，破解了10个「百年悬案」——埃尔德什难题（Erdos problems）紧接着，OpenAI科学副总裁Kevin Weil等人纷纷加入，大肆宣传。 然而，真相很快浮出水面：这十道难题，早就被学界解决，并非由GPT-5独立解决，它只是通过检索网络文献给出了答案。
浙大推出首个「多图应用题」基准GSM8K-V，全面评估 VLM数学推理能力
「小明买了3个苹果，每个5元，他付了20元，应该找回多少钱？ 」这是典型的小学数学应用题。 但在日常生活中，我们更常遇到的是它的视觉版本：看到货架上的苹果标价牌，数出购物篮里的苹果数量，估算总价，再从收银员手中接过找零，快速判断对不对。
英伟达4段简短提示词，IOI夺金！开源模型也能征服最难编程竞赛
IOI（国际信息学奥林匹克）是全球中学生算法编程竞赛的最高殿堂，每年只有不到10%选手能拿到金牌。 比赛要求选手在两天内各5小时独立解决3道高难度算法题，全程断网、不能借助外部资料，每题最多允许50次提交尝试。 要拿金牌，既要有过硬的算法思维，又得策略得当、在有限提交内调优代码。
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
谷歌
DeepSeek
AI绘画
AI新词
大模型
机器人
数据
Midjourney
开源
Meta
微软
智能
用户
GPT
学习
智能体
技术
Gemini
英伟达
马斯克
Anthropic
图像
AI创作
训练
LLM
论文
代码
AI for Science
苹果
腾讯
算法
Agent
Claude
芯片
Stable Diffusion
具身智能
xAI
蛋白质
开发者
人形机器人
生成式
神经网络
机器学习
AI视频
3D
RAG
大语言模型
字节跳动
Sora
百度
研究
GPU
生成
工具
华为
AGI
计算
AI设计
生成式AI
大型语言模型
搜索
视频生成
亚马逊
特斯拉
AI模型
DeepMind
场景
深度学习
Copilot
Transformer
架构
MCP
编程
视觉