模型

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。

10/22/2025 9:03:00 AM

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！

10/22/2025 9:01:31 AM

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。

10/22/2025 8:39:31 AM

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。

10/21/2025 12:31:13 PM

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？

10/21/2025 12:29:37 PM

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。

10/21/2025 12:27:41 PM

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。

10/21/2025 9:04:15 AM

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。

10/21/2025 8:53:00 AM

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。

10/21/2025 8:52:00 AM

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。

10/20/2025 5:15:35 PM

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。

10/20/2025 9:30:15 AM

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。

10/20/2025 9:13:00 AM

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。

10/20/2025 9:12:00 AM

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。

10/20/2025 9:10:00 AM

超越纯视觉模型！不改VLM标准架构，实现像素级深度预测

在当前多模态AI发展浪潮中，视觉语言模型（Vision Language Models, VLMs）因其能通过「看图文字交互」处理多样任务而备受关注。然而，尽管在语义理解、视觉问答、图像指令等任务上表现优异，它们在从 2D 图像理解 3D 空间结构方面仍显薄弱。相比之下，纯视觉模型（pure vision models）在绝对深度估计（metric depth estimation）等三维理解任务上，凭借专门设计的网络结构与损失函数，早已达到了超越人类的精度。

10/20/2025 9:09:00 AM

长上下文窗口、Agent崛起，RAG已死？

在技术飞速更新迭代的今天，每隔一段时间就会出现「XX 已死」的论调。「搜索已死」、「Prompt 已死」的余音未散，如今矛头又直指 RAG。向量数据库 Chroma 创始人兼 CEO Jeff Huber 在播客与访谈中抛出「RAG 已死，上下文工程当立」的表述，主张以上下文工程框架取代对「RAG」这一术语的狭义依赖。

10/20/2025 9:06:00 AM