AI在线 AI在线

训练

VLA统一架构新突破：自回归世界模型引领具身智能

VLA统一架构新突破：自回归世界模型引领具身智能
本文来自：王宇琪，中国科学院自动化所博士，研究方向为世界模型，自动驾驶感知与决策等，在 CVPR、NeurIPS、ICCV、ECCV、ICLR 等顶级会议上发表过多篇论文。 王鑫龙团队，北京智源研究院，研究方向为原生多模态大模型，Emu 系列工作核心负责人。 张兆翔团队，中国科学院自动化研究所，研究方向涵盖世界模型、视觉生成与重建、自动驾驶、具身智能等。
7/10/2025 2:50:46 PM
vivo突破手机AI部署难题，绕开MoE架构限制，骁龙8 Elite流畅运行｜ICCV 2025

vivo突破手机AI部署难题，绕开MoE架构限制，骁龙8 Elite流畅运行｜ICCV 2025
在AI迈入多模态时代的当下，“让大模型上手机”成为产业落地的焦点。 现有MLLM在手机端部署时常面临两大难题：1、纯语言任务性能下降：现有的端侧MLLM在纯文本的任务上表现不尽人意；2、手机NPU不支持MoE架构：而MoE架构恰恰是多模态训练中保持语言能力的常用手段（比如CogVLM，Wings）。 vivo AI研究院联合港中文以及上交团队为了攻克这些难题，从训练数据和模型结构两方面，系统性地分析了如何在MLLM训练中维持纯语言能力，并基于此提出了GenieBlue——专为移动端手机NPU设计的高效MLLM结构方案。
7/4/2025 9:00:00 AM
Meta-Think ≠ 记套路，多智能体强化学习解锁大模型元思考泛化

Meta-Think ≠ 记套路，多智能体强化学习解锁大模型元思考泛化
本文第一作者为上海交通大学计算机科学四年级博士生万梓煜，主要研究方向为强化学习、基础模型的复杂推理，通讯作者为上海交通大学人工智能学院温颖副教授和上海人工智能实验室胡舒悦老师。 团队其他成员包括来自英属哥伦比亚大学的共同第一作者李云想、Mark Schmidt 教授，伦敦大学学院的宋研、杨林易和汪军教授，上海交通大学的温潇雨，王翰竟和张伟楠教授。 引言最近，关于大模型推理的测试时间扩展（Test time scaling law ）的探索不断涌现出新的范式，包括① 结构化搜索结（如 MCTS），② 过程奖励模型（Process Reward Model ） PPO，③ 可验证奖励 （Verifiable Reward） GRPO（DeepSeek R1）。
7/4/2025 8:53:00 AM
Gemini负责人爆料！多模态统一token表示，视觉至关重要

Gemini负责人爆料！多模态统一token表示，视觉至关重要
一次性揭秘Gemini多模态技术！ 就在刚刚，Gemini模型行为产品负责人Ani Baddepudi在谷歌自家的开发者频道开启了爆料模式。 他和OpenAI前员工、现谷歌AI Studio产品负责人（Logan Kilpatrick，右）探讨了诸多众人好奇已久的问题：为啥Gemini一开始就被设计为原生多模态？
7/4/2025 8:43:00 AM
同时监督和强化的单阶段大模型微调，告别“先背书再刷题”，推理泛化双提升｜中科院&美团等

同时监督和强化的单阶段大模型微调，告别“先背书再刷题”，推理泛化双提升｜中科院&美团等
通过单阶段监督微调与强化微调结合，让大模型在训练时能同时利用专家演示和自我探索试错，有效提升大模型推理性能。 中国科学院自动化研究所深度强化学习团队联合美团，提出一种单阶段监督-强化微调方法——SRFT (Supervised Reinforcement Fine-Tuning)。 该方法通过基于熵的动态加权机制，将两种训练范式结合。
7/3/2025 8:33:00 AM
策略改写「一战历史」！中科院开源全新博弈智能体框架DipLLM

策略改写「一战历史」！中科院开源全新博弈智能体框架DipLLM
围棋、德州扑克曾是AI崛起的试炼场，从AlphaGo到Libratus，人工智能不断刷新策略上限。 但接下来的战场更难——Diplomacy：一款融合协作与竞争的七人博弈游戏，单轮动作空间高达10的64次方，其策略建模复杂度前所未有！ 为此，Meta曾推出智能体Cicero[Meta, Science 2022]，结合人类数据与策略搜索，在该领域实现突破，但其方法高度依赖超大规模均衡搜索与重资源训练，难以扩展与迁移。
7/2/2025 8:43:00 AM
无需训练，即插即用，2倍GPU端到端推理加速——视频扩散模型加速方法DraftAttention

无需训练，即插即用，2倍GPU端到端推理加速——视频扩散模型加速方法DraftAttention
本文第一作者为美国东北大学博士生沈轩，研究方向为高效人工智能，致力于在 GPU、移动端、FPGA 和 ASIC 等多种硬件平台上实现大模型的高效部署与加速。 第二作者为香港中文大学的韩晨夏，研究方向聚焦于计算机体系结构与 AI 系统的高效化设计。 在高质量视频生成任务中，扩散模型（Diffusion Models）已经成为主流。
6/30/2025 8:42:00 AM
91岁零基础！硬核爷爷用AI两天爆肝应用，350美元玩转氛围编程

91岁零基础！硬核爷爷用AI两天爆肝应用，350美元玩转氛围编程
一位91岁老人用Claude和Replit编写了一个复杂的教会活动管理系统！ 退休电气工程师John Blackman分享了他如何用Claude和Replit构建应用程序。 John从没碰过代码，但在孙子推荐下，只花两天就搞定了这个教会志愿者管理系统。
6/27/2025 10:04:31 AM
人民大学&字节Seed：利用μP实现Diffusion Transformers高效扩展

人民大学&字节Seed：利用μP实现Diffusion Transformers高效扩展
本文由中国人民大学高瓴人工智能学院李崇轩团队和字节跳动Seed团队共同完成。 第一作者郑晨宇是中国人民大学高瓴人工智能学院二年级博士生，主要研究方向为基础模型的优化、泛化和可扩展性理论，导师为李崇轩副教授，论文为其在字节跳动Seed实习期间完成。 第二作者张新雨是字节跳动研究员，主要研究方向为视觉生成模型。
6/27/2025 8:50:40 AM
AI“读书”合法了：美法院最新裁定，无需作者同意，已购书籍可用于训练AI

AI“读书”合法了：美法院最新裁定，无需作者同意，已购书籍可用于训练AI
无需原作者同意，AI可以用已出版书籍作训练数据了。 就在最新判决的诉讼中，美国法院裁决：允许Claude背后公司Anthropic在未经作者许可的情况下，使用合法购买的已出版书籍训练AI。 法院参考了美国版权法中的“合理使用”（Fair Use）原则，认为AI训练属于“转化性使用”（Transformative Use），即对原作品的新用途未取代原作市场，且有利于技术创新和公共利益。
6/26/2025 3:09:07 PM
具身世界模型新突破，地平线 & 极佳提出几何一致视频世界模型增强机器人策略学习

具身世界模型新突破，地平线 & 极佳提出几何一致视频世界模型增强机器人策略学习
近年来，随着人工智能从感知智能向决策智能演进，世界模型 （World Models）逐渐成为机器人领域的重要研究方向。 世界模型旨在让智能体对环境进行建模并预测未来状态，从而实现更高效的规划与决策。 与此同时，具身数据也迎来了爆发式关注。
6/26/2025 3:06:47 PM
人形机器人首次打通视觉感知与运动断层，UC伯克利华人博士让宇树G1现场演示

人形机器人首次打通视觉感知与运动断层，UC伯克利华人博士让宇树G1现场演示
不用提前熟悉环境，一声令下，就能让宇树机器人坐在椅子上、桌子上、箱子上！ 还能直接解锁 “跨过箱子”、“敲门” 等任务~这是来自UC伯克利、卡内基梅隆大学等团队的最新研究成果LeVERB框架——基于模拟数据训练实现零样本部署，让人形机器人通过感知新环境，理解语言指令就能直接完成全身动作。 传统人形机器人要么 “能看懂指令却动不了”（缺乏全身控制能力），要么 “只能机械执行动作却读不懂环境”（依赖人工预设动作库）。
6/25/2025 4:09:40 PM
重磅！淘天联合爱橙开源强化学习训练框架ROLL，高效支持十亿到千亿参数大模型训练

重磅！淘天联合爱橙开源强化学习训练框架ROLL，高效支持十亿到千亿参数大模型训练
过去几年，随着基于人类偏好的强化学习（Reinforcement Learning from Human Feedback，RLHF）的兴起，强化学习（Reinforcement Learning，RL）已成为大语言模型（Large Language Model，LLM）后训练阶段的关键技术。 RL 不仅显著提升了模型的对齐能力，也拓展了其在推理增强、智能体交互等场景下的应用边界。 围绕这一核心范式，研究社区不断演化出多种优化策略和算法变体，如 Agentic RL、RLAIF、GRPO、REINFORCE 等。
6/25/2025 1:44:09 PM
强化学习新发现：无需数学样本，仅游戏训练AI推理大增

强化学习新发现：无需数学样本，仅游戏训练AI推理大增
第一作者谢云飞是莱斯大学博士生，导师为通讯作者魏晨教授，研究方向包括多模态生成与理解。 Project Leader 肖俊飞是约翰斯・霍普金斯大学博士生，导师为 Bloomberg Distinguished Professor Alan Yuille。 第二作者马崟淞是约翰斯・霍普金斯大学博士生。
6/25/2025 9:28:38 AM
ToMAP：赋予大模型「读心术」，打造更聪明的AI说服者

ToMAP：赋予大模型「读心术」，打造更聪明的AI说服者
本文第一作者为韩沛煊，本科毕业于清华大学计算机系，现为伊利诺伊大学香槟分校（UIUC）计算与数据科学学院一年级博士生，接受 Jiaxuan You 教授指导。 其主要研究方向为：大语言模型的安全性及其在复杂场景中的推理。 说服，是影响他人信念、态度甚至行为的过程，广泛存在于人类社会之中。
6/25/2025 9:19:44 AM
7B小模型超越DeepSeek-R1：模仿人类教师，弱模型也能教出强推理LLM | Transformer作者团队

7B小模型超越DeepSeek-R1：模仿人类教师，弱模型也能教出强推理LLM | Transformer作者团队
Thinking模式当道，教师模型也该学会“启发式”教学了——由Transformer作者之一Llion Jones创立的明星AI公司Sakana AI，带着他们的新方法来了！ 这个方法要求教师模型像优秀的人类教师一样，根据已知解决方案输出清晰的逐步解释，而不再是从头开始自己解决。 用Sanaka AI的新方法训练出的7B小模型，在传授推理技能方面，比671B的DeepSeek-R1还要有效。
6/25/2025 8:54:03 AM
美国加州法院裁定：使用版权内容训练 AI 属合法行为

美国加州法院裁定：使用版权内容训练 AI 属合法行为
科技媒体 AppleInsider 昨日（6 月 24 日）发布博文，报道称美国加州北区地方法院的裁决允许使用受版权保护的作品来训练人工智能模型，这一决定对创意产业构成了极大威胁。该裁决支持被告 Anthropic 公司使用盗版材料训练其 AI 模型，引发创作者权益争议。
6/25/2025 7:09:58 AM
故渊
AI真的需要「像人类」那样思考吗？AlphaOne揭示属于大模型的「思考之道」

AI真的需要「像人类」那样思考吗？AlphaOne揭示属于大模型的「思考之道」
本文共同第一作者为张均瑜与董润沛，分别为伊利诺伊大学厄巴纳-香槟分校计算机科学研究生与博士生；该研究工作在伊利诺伊大学厄巴纳-香槟分校张欢教授与 Saurabh Gupta 教授，加州大学伯克利分校 Jitendra Malik 教授的指导下完成。 「The most effortful forms of slow thinking are those that require you to think fast.」 ——Daniel Kahneman，Thinking，Fast and Slow(2011)在思维节奏这件事上，人类早已形成一种独特而复杂的模式。 我们习惯让 AI 模仿人类思维方式：先依赖直觉快速反应（System 1），再慢慢进入逻辑推理（System 2）；答题时先给出初步判断，再自我反思逐步修正……模仿人类的推理节奏，已经成为语言模型推理策略的默认路径。
6/24/2025 9:05:00 AM