模型
AI跨本体组队！智源发布首个跨本体具身大小脑协作框架+开源具身大脑
3月29日，智源研究院在2025中关村论坛「未来人工智能先锋论坛」上发布首个跨本体具身大小脑协作框架RoboOS与开源具身大脑RoboBrain，可实现跨场景多任务轻量化快速部署与跨本体协作，推动单机智能迈向群体智能，为构建具身智能开源统一生态加速场景应用提供底层技术支持。 开源链接：具身多模态大脑模型RoboBrainGithub：：：：：：，打造感知-认知-决策-行动闭环在具身场景中，长程操作任务是机器人执行复杂任务的核心能力之一。 具身大脑RoboBrain融合了机器人任务规划、可操作区域感知、轨迹预测的三维能力，通过将抽象指令映射为具象动作序列，增强长程操作任务的能力。
3/31/2025 9:10:00 AM
新智元
网上晒图要当心！AI六成可能知道你在哪儿
AI轻松击败人类！ 这次是看图猜地名：给AI一张全新的照片，它能猜出照片在哪儿拍摄的，而且准确率还相当高。 也就是说，从图像中，AI能识别地理信息方面。
3/31/2025 9:00:00 AM
新智元
“计算机视觉被GPT-4o终结了”（狗头）
一夜之间，CV被大模型“解决”了（狗头）。 万物皆可吉卜力之后，GPT-4o原生多模态图像生成更多玩法被开发出来。 一个男友回头表情包，可以秒变语义分割图。
3/31/2025 8:44:00 AM
量子位
Anthropic首次切开Claude大脑，「AI黑箱」彻底破解？心算诡异思考过程曝光
AI的性能愈发强大，一个新模型可能前一天还是SOTA（最佳模型），第二天就被拍了下去。 不过，这些强大的AI上空总有一团迷雾笼罩。 那就是：他们到底是怎么找到答案的？
3/31/2025 8:30:00 AM
新智元
单张照片生成360°3D场景，支持灵活视角漫游｜人大&北师大&字节
从单张图像生成灵活视角3D场景的技术来了，在考古保护、自主导航等直接获取3D数据成本高昂或不可行的领域具有重要应用价值。 这一任务本质上是高度不适定的：单一的2D图像无法提供足够的信息来消除完整3D结构的歧义，尤其是在极端视角（如180°旋转）下，先前被遮挡或缺失的内容可能会引入显著的不确定性。 生成模型，特别是扩散模型，为解决这一问题提供了一种潜在的技术路径。
3/31/2025 8:27:00 AM
量子位
3D版DeepSeek卷起开源月：两大基础模型率先SOTA！又是VAST
3D生成版DeepSeek再上新高度！ 国产、易用、性能强且开源——新模型一露面就刷新SOTA，并且第一时间加入开源全家桶。 顺时针转个圈圈给大家看，效果是这样：加上“皮肤”是这样：再来一个，效果是这样：肉眼可见，这次妥妥升级变成了更细节的细节控～以上效果，都来自3D大模型明星初创公司VAST，其刚刚上新的两个基础模型，TripoSG和TripoSF，为团队的最新研发成果。
3/31/2025 8:25:00 AM
量子位
马斯克xAI蛇吞𝕏：资本有了，数据有了，商业模式也有了
马斯克旗下两大公司正式合并！ xAI以全股票交易的方式收购了X（推特），此次交易中xAI的估值为800亿美元，对X的估值为330亿美元（450亿美元资产减去120亿美元债务）。 马斯克自己在X上发帖宣布这一消息。
3/31/2025 8:15:00 AM
量子位
Claude团队开盒Transformer：AI大脑原来这样工作
大模型工作机制的黑盒，终于被Claude团队揭开了神秘面纱！ 团队创造了一种解读大模型思考方式的新工具，就像给大模型做了个“脑部核磁”。 他们还发现，Claude在某些任务上具备长远规划能力，甚至还会为了迎合人类而编造推理过程。
3/31/2025 8:12:00 AM
量子位
17款大模型PK八款棋牌游戏，o3-mini胜出，DeepSeek R1输在中间步骤
AI社区掀起用大模型玩游戏之风！ 例如国外知名博主让DeepSeek和Chatgpt下国际象棋的视频在Youtube上就获得百万播放，ARC Prize组织最近也发布了一个贪吃蛇LLM评测基准SnakeBench。 针对这一场景，来自港大、剑桥和北大的研究人员发布了一个更全面、客观可信的LLM评测基准：GameBoT。
3/31/2025 8:00:00 AM
量子位
港大开源博士级AI智能体，独立完成三篇算法研究，一站式科研6小时搞定
这三篇论文，出自同一AI之手。 随着人工智能技术的迅猛发展，OpenAI提出的五级模型（涵盖从对话系统到协作管理者）已成为行业发展的重要参考框架。 其中，“自主研究智能体”（Autonomous Research Agent）作为第三至第四阶段的核心技术，正受到全球范围内越来越多的关注。
3/31/2025 7:50:00 AM
量子位
专抓AI“看图说谎”，谷歌哥大用三类陷阱触发幻觉，打造可随技术发展动态演进的评估框架
幻觉（Hallucination），即生成事实错误或不一致的信息，已成为视觉-语言模型 (VLMs）可靠性面临的核心挑战。 随着VLMs在自动驾驶、医疗诊断等关键领域的广泛应用，幻觉问题因其潜在的重大后果而备受关注。 然而，当前针对幻觉问题的研究面临多重制约：图像数据集的有限性、缺乏针对多样化幻觉触发因素的综合评估体系，以及在复杂视觉问答任务中进行开放式评估的固有困难。
3/31/2025 7:40:00 AM
量子位
AI大模型看手相！图片视频加持深度思考，阿里QVQ-Max“神了神了”
阿里又发了个有意思的大模型——QVQ-Max，第一版视觉推理模型，对任意图像或视频都可以进行深度思考。 举个有趣的例子，上传一张你的手掌，再点击Thinking，QVQ-Max就可以给你看手相：可以看到，在深度思考过后，QVQ-Max就开始逐步分析手掌上的线条和其他特征。 包括心线、头线、生命线等主要线条的分析，以及戒指手指上的金戒指的象征意义。
3/31/2025 7:30:00 AM
量子位
OpenAI破大防，拒绝率从98%骤降2%！陈怡然团队提出全新思维链劫持攻击
随着通向通用人工智能（AGI）的进展，大语言模型正进化出复杂推理能力，衍生出所谓「大型推理模型」（Large Reasoning Models, LRMs）。 OpenAI 的o系列模型凭借接近人类的推理水准刷新了诸多基准，另一边新的模型DeepSeek-R1也以更低成本实现了与o系列相当的性能。 这些模型不仅能逐步推理复杂问题，还开始将思维链（Chain-of-Thought, CoT）用于安全审查，在回答用户请求前通过内部推理判断内容是否违规，这种思路其实为平衡实用性和安全性提供了一个很有前景方向。
3/28/2025 11:59:10 AM
新智元
阿里巴巴发布最新视觉推理模型 QVQ-Max
2025 年 3 月 28 日，阿里巴巴旗下的AI研究团队Qwen再次掀起波澜，于凌晨三点正式发布了其最新的视觉推理模型——QVQ-Max。 这一消息迅速在业界引发热烈讨论，众多科技爱好者和行业专家纷纷表达了对这一全新AI模型的期待与关注。 QVQ-Max：视觉与推理的突破性结合根据阿里巴巴Qwen团队的官方公告，QVQ-Max是一款仍在不断进化中的视觉推理模型。
3/28/2025 8:40:00 AM
AI在线
阿里通义千问 QwenQ-32B 上线 中科院科研项目大规模接入
近日，阿里巴巴宣布其最新的开源大模型 —— 通义千问 QwenQ-32B，已在多个中科院科研项目中得到广泛应用。 这一创新标志着人工智能在科研领域的进一步深入，尤其是在气候变化和水资源管理方面的潜力。 中国科学院国家天文台、青藏高原研究所和南海海洋研究所等单位，均已开始利用 QwenQ-32B 进行科研项目。
3/27/2025 5:56:00 PM
AI在线
AI “看图说话” 更懂细节！腾讯开源多模态理解技术HaploVL
3月27日，腾讯开源团队宣布推出了一项创新的多模态理解技术——HaploVL。 这一技术旨在通过单个Transformer架构实现高效的多模态融合，显著提升AI在视觉和语言交互中的表现，特别是在细粒度视觉理解任务上。 在人工智能领域，多模态大模型（LMMs）近年来迅速崛起，它们能够实现复杂的视觉-语言对话和交互。
3/27/2025 5:36:00 PM
AI在线
Agent太火！看这一篇综述，知识就不会学杂了丨华东师大&东华大学出品
火，Agent可太火了！ 关于Agent的进展俯拾皆是，根本看不过来……看过来——这篇综述可能能帮你厘清很多问题：来自华东师大和东华大学的研究团队发表了“A Survey on the Optimization of Large Language Model-based Agents（大模型智能体的优化方法综述）”，首次从系统化视角对LLM智能体优化策略进行了全面梳理与分析。 论文将将现有方法划分为两大类：参数驱动的优化与参数无关的优化。
3/27/2025 1:30:57 PM
量子位
7B模型搞定AI视频通话，阿里最新开源炸场，看听说写全模态打通，开发者企业免费商用
深夜重磅！ 阿里发布并开源首个端到端全模态大模型——通义千问Qwen2.5-Omni-7B，来了。 仅靠一个一体式模型，就能搞定文本、音频、图像、视频全模态，并实时生成文本和自然语音。
3/27/2025 1:23:39 PM
量子位
资讯热榜
标签云
AI
人工智能
OpenAI
AIGC
模型
ChatGPT
DeepSeek
谷歌
AI绘画
大模型
机器人
数据
Midjourney
开源
AI新词
Meta
微软
智能
用户
GPT
学习
技术
智能体
马斯克
Gemini
Anthropic
图像
英伟达
AI创作
训练
LLM
论文
代码
算法
AI for Science
Agent
苹果
Claude
芯片
腾讯
Stable Diffusion
蛋白质
开发者
xAI
生成式
神经网络
机器学习
3D
RAG
具身智能
AI视频
人形机器人
研究
大语言模型
百度
生成
GPU
Sora
工具
华为
计算
字节跳动
AI设计
大型语言模型
AGI
搜索
视频生成
场景
生成式AI
深度学习
DeepMind
架构
AI模型
亚马逊
特斯拉
Transformer
编程
视觉
MCP
预测