鸿蒙开发者社区

公众号矩阵

移动端

视频课免费课排行榜短视频直播课软考学堂

全部课程软考信创认证华为认证厂商认证 IT技术 PMP项目管理免费题库

文章资源问答课堂专栏直播

51CTO

鸿蒙开发者社区

51CTO技术栈

51CTO官微

51CTO学堂

51CTO博客

CTO训练营

鸿蒙开发者社区订阅号

51CTO软考

51CTO学堂APP

51CTO学堂企业版APP

鸿蒙开发者社区视频号

51CTO软考题库

账号设置退出

新闻

2.7w内容

关注

汇聚51CTO网站的各领域新鲜资讯，包括开发、移动开发、系统、网络、安全、数据库、大数据、人工智能、区块链、云计算、物联网、数字化转型、服务器、存储、商务办公、运维、开源、智能汽车等细分领域。

共 2.7w 条

用好视觉Attention局部性，清华、字节提出Token Reorder，无损实现5倍稀疏、4比特量化

本文围绕着视觉任务的 “局部性”（Locality）特点，首先提出了系统的分析框架，识别出了视觉生成任务 Attention 优化的关键挑战在于 “多样且分散” 的注意力模式，并且进一步探索了该模式的产生原因，并揭示了多样且分散的注意力模式，可以被统一为代表 “局部聚合” 的块状模式。

2025-06-30 14:02:00

视觉模型 AI

微软推出深度视频探索智能体，登顶多个长视频理解基准

本文提出了一种新颖的智能体 Deep Video Discovery (DVD)，通过将长视频分割为更短的片段并将其视作环境，利用 LLM 先进的推理能力来思考问题并自主规划，选择具有适当参数的工具来从环境中逐步获取信息，最终回答问题。

2025-06-30 14:01:03

ChatGPT化身生活操作系统：奥特曼预告下一代顶级AI

奥特曼谈到，o3模型上周的运行成本是本周的5倍，价格下降趋势还在继续，且API的成本将会持续大幅下降，开源模型将会非常棒。Chatgpt的记忆功能不仅仅是一个小硬件，而是AI伴侣一般的存在。

2025-06-30 14:00:36

AI ChatGPT 操作系统

AI编程里程碑！谷歌AI自己写代码惊呆工程师，GPU内核算法反超人类21%

刚刚，AlphaEvolve又上大分了！基于它的开源实现OpenEvolve，靠自学成才、自己写代码，直接在苹果芯片上进化出了比人类还快21%的GPU核函数！这一刻，是自动化编程史上真正里程碑时刻，「AI为AI编程」的新时代正式开启，自动化奇点真要来了。

2025-06-30 14:00:14

AI 编程谷歌

RAG终极框架！港大开源RAG-Anything：统一多模态知识图谱

最近，由香港大学黄超教授团队发布的开源项目「一体化的多模态RAG框架」RAG-Anything，有效解决了传统RAG的技术局限，实现了「万物皆可RAG」的处理能力。

2025-06-30 13:57:59

开源模型 AI

比女皇报告还炸裂！67页AI深度调研刷屏，全球LLM大决战真正开始

继女皇报告后，硅谷财富管理巨头Iconiq Capital发布《2025年AI现状报告》！实测300家AI公司落地路径，聚焦成本结构、技术选型与人才构建，揭示AI从概念走向实战的七大真问题。

2025-06-30 13:55:56

AI 报告技术

百度文心大模型4.5系列正式开源，同步开放API服务

此次百度一次性推出10款文心大模型4.5系列开源模型，在独立自研模型数量占比、模型类型数量、参数丰富度、开源宽松度与可靠性等关键维度上，都拿出了诚意。

2025-06-30 13:54:34

AI 模型开源

马斯克生日惊喜！全球首例Model Y无人「自驾交付」，30分钟见证历史

就在昨天，一辆Model Y自己精准地停在了车主家门口——全程无驾驶员、无安全员，也无远程接管。115 km/h的最高时速、城市到高速的无缝切换，让无人驾驶首次完成了完整的工厂到用户闭环。

2025-06-30 09:12:00

自动驾驶 AI 马斯克

强化学习也能预训练？效果可提升20倍，华人新作引爆RL新范式!

大模型的预训练-微调范式，正在悄然改写强化学习！伯克利团队提出新方法InFOM，不依赖奖励信号，也能在多个任务中实现超强迁移，还能做到「读心术」级别的推理。这到底怎么做到的？

2025-06-30 09:08:00

大模型训练 AI

不会被AI替代？100年前的农民也这么想的，这些图表让你害怕！

「我的工作太复杂，AI替代不了」别天真了！从农业到制造业，再到今天的软件开发，历史早已证明：所有工作都难逃被技术重塑的命运。AI正以惊人速度吞噬人类岗位，程序员也未能幸免，或许所有人都无法幸免。

2025-06-30 09:07:00

AI 软件开发

苹果一口咬死AI不会思考！OpenAI前高管直接开怼：AGI已来，别再酸了

最近，苹果的一篇论文掀起波澜，挑战了当下AI推理能力的基本假设。而OpenAI的前研究主管则断言：AGI时代已近在眼前。谁是谁非？AGI还有多远？

2025-06-30 09:05:00

媲美DeepSeek！腾讯开源新版混元模型：AI Agent强化，超30种智能体指令

Hunyuan-A13B特意针对AI Agent进行了强化，打造了应对不同场景变化的 “自适应大脑”，设计超过30种智能体指令，并组合工具、动作、响应的格式变化，创造出20000 种格式组合。

2025-06-30 09:04:00

AI 开源模型

刚刚，马斯克切脑全场震撼！插脑只要1.5秒，26年治愈失明，28年全人类变AI

刚刚，马斯克Neuralink的发布会，再次炸翻全场，「插脑」速度已经快到1.5秒一根。老马现场曝光三年路线图：豪言2026年让盲人重获光明，2028年让全体人类与AI集成，魂穿擎天柱！七位志愿者意念玩游戏、控制机械臂的演示，也让全场惊呼。

2025-06-30 09:03:00

马斯克 AI 数据

史上最惨AI店长！被顾客耍到破产，「人格觉醒」却忘了自己是代码

Anthropic让Claude独立经营一家商店，结果AI当场翻车。不仅因「氛围管理」亏掉底裤，还自我认知混乱，一度坚信自己是人，还要穿西装给顾客送货员。

2025-06-30 09:01:00

AI 代码算法

小扎挖走四名顶尖华人震惊Sam Altman，OpenAI最新内部全员信：奉陪到底，薪资大调整

OpenAI的首席研究官Mark Chen刚刚向全体员工发送了一封措辞强硬的全员信，承诺将在顶级研究人才的争夺战中与小扎正面交锋

2025-06-30 08:55:13

OpenAI 技术人才

AI一眼认出95万物种，还能分辨雄雌老幼，2亿生物图像炼成“生命视觉”大模型

俄亥俄州立大学研究团队在2亿生物图像数据上训练了BioCLIP 2模型。大规模的训练让BioCLIP 2取得了目前最优的物种识别性能。

2025-06-30 08:52:00

模型 AI 图像生成

航空发动机用上大模型：解决复杂时序问题，性能超越ChatGPT-4o实现SOTA｜上交创智复旦

上海交通大学航空航天学院李元祥教授团队、上海创智学院、复旦大学数据科学学院团队以航空发动机运维为背景，提出高效、可迁移的时序-语言桥接架构——ITFormer。

2025-06-30 08:51:00

模型 AI 数据

打破长视频理解瓶颈：HoPE混合位置编码提升VLM长度泛化能力

来自 CMU 和小红书的研究团队对这一问题进行了深入研究，他们首次提出了针对多模态 RoPE 扩展策略的理论评估框架，指出现有多模态 RoPE 泛化能力不足的原因之一是保留 RoPE 中所有频率对长上下文语义建模有负面影响。

2025-06-30 08:50:00

AI 视频生成模型

华为CloudMatrix重磅论文披露AI数据中心新范式，推理效率超NV H100

华为发布了一篇60页的重磅论文，提出了他们的下一代AI数据中心架构设计构想——Huawei CloudMatrix，以及该构想的第一代产品化的实现CloudMatrix384。相对于简单的“堆卡”，华为CloudMatrix给出的架构设计原则是，高带宽全对等互连和细粒度资源解耦。

2025-06-30 08:49:00

AI 数据架构

图像界的DeepSeek！12B参数对标GPT-4o，5秒出图，消费级硬件就能玩转编辑生成

只有小小的12B，更少的参数，更快的推理，性能更是媲美GPT-image-1等一众闭源模型。

2025-06-30 08:48:50

AI 图像生成模型

盘一盘，2017年Transformer之后，LLM领域的重要论文

Karpathy 深入探讨了这一变革对开发者、用户以及软件设计理念的深远影响。他认为，我们不只是在使用新工具，更是在构建一种全新的计算范式。

2025-06-30 08:48:00

充分激发模态协作，MokA量身打造MLLM微调新范式

来自中国人民大学高瓴人工智能学院 GeWu-Lab 实验室、上海人工智能实验室的研究团队在最新论文中给出了一种全新的思考方式。

2025-06-30 08:44:00

拯救P图废柴，阿里上新多模态模型Qwen-VLo！人人免费可玩

阿里带着全新多模态模型Qwen-VLo开启炸场模式。

2025-06-30 08:43:00

AI 模型 GPT-4o

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

近期，来自美国东北大学、香港中文大学、Adobe Research 等机构的研究团队提出了一种无需训练、即插即用的，基于动态稀疏注意力的视频扩散模型加速方法 ——DraftAttention，显著降低了注意力机制的计算开销，并且在几乎不损失生成质量的前提下，实现高达 2 倍的 GPU 端到端推理加速。

2025-06-30 08:42:00

模型训练 AI

ICML 2025 Spotlight | 新理论框架解锁流匹配模型的引导生成

作者从理论上推导得到全新能量引导理论框架，并进一步提出多样的实际能量引导算法，可以根据任务特性进行灵活选择。

2025-06-30 08:36:00

AI 模型强化学习

AgentAuditor：让智能体安全评估器的精确度达到人类水平

来自纽约大学、南洋理工大学、伊利诺伊大学香槟分校、KTH 皇家理工学院、悉尼大学、新加坡国立大学的研究者们，推出 AgentAuditor—— 一个通用、免训练、具备记忆增强推理能力的框架，让 LLM 评估器达到了人类专家的评估水平，精准识别智能体的安全风险。

2025-06-30 08:32:00

OpenAI四位华人学者集体被挖，还是Meta重金出手

上一次被挖走的三位小伙伴都参与了 ViT 等重要研究。这次被挖走的小伙伴也是参与了不少 OpenAI 的重要工作。

2025-06-30 08:26:00

OpenAI 模型 Meta

AI 开始「自由玩电脑」了！吉大提出「屏幕探索者」智能体

近期，吉林大学人工智能学院发布了一项基于强化学习训练的 VLM 智能体最新研究《ScreenExplorer: Training a Vision-Language Model for Diverse Exploration in Open GUI World》。它让视觉语言模型（VLM）真正学会了「自我探索 GUI 环境」。

2025-06-30 08:25:00

智能体 AI 模型

CVPR 2025 | 零开销，消除图像幻觉！基于零空间投影挖掘正常样本特征

当前大型视觉语言模型（LVLMs）存在物体幻觉问题，即会生成图像中不存在的物体描述。西安交通大学研究团队提出了一种名为Nullu的方法，通过提取「幻觉子空间」（HalluSpace）并进行零空间投影来编辑模型权重，从而有效消除幻觉，且不增加额外推理成本。

2025-06-30 08:15:00

视觉语言模型 AI

阿里发布信息检索Agent，可自主上网查资料，GAIA基准超越GPT-4o

阿里发布WebDancer，就像它的名字一样，为“网络舞台”而生。

2025-06-27 16:06:55

AI 网络模型

苹果出手！改进GRPO，让dLLM也能高效强化学习

苹果的一个研究团队表示：「代码生成与 dLLM 范式非常契合，因为编写代码通常涉及非顺序的反复来回优化。」事实上，此前的 Mercury Coder 和 Gemini Diffusion 已经表明：基于扩散的代码生成器可以与顶尖自回归代码模型相媲美。

2025-06-27 15:44:35

苹果 AI 模型

突破通用领域推理的瓶颈！清华NLP实验室强化学习新研究RLPR

清华大学自然语言处理实验室提出了一项关键性技术 —— 基于参考概率奖励的强化学习（Reinforcement Learning with Reference Probability Reward，RLPR）。

2025-06-27 10:10:43

AI 模型技术

谷歌开源Gemma 3n：2G内存就能跑，100亿参数内最强多模态模型

谷歌表示，Gemma 3n 代表了设备端 AI 的重大进步，它为手机、平板、笔记本电脑等端侧设备带来了强大的多模式功能，其性能去年还只能在云端先进模型上才能体验。

2025-06-27 10:08:19

谷歌 AI 开源

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岁退休多年的John Blackman从未碰过代码，却在孙子指点下用AI工具，仅用两天搭出多租户管理系统。从手写流程到自动化报表，这位爷爷用亲身经历证明：技术门槛正在被AI彻底重塑。

2025-06-27 10:04:31

AI 代码训练

超过GPT-image-1！大黑马Black Forest刚开源新模型，只用文本实现一键PS

知名开源平台Black Forest开源了，文生图模型FLUX.1-Kontext的开发者版本。

2025-06-27 09:26:50

模型开源 AI

3D VLA新范式！CVPR冠军方案BridgeVLA，真机性能提升32%

中科院自动化所提出BridgeVLA模型，通过将3D输入投影为2D图像并利用2D热图进行动作预测，实现了高效且泛化的3D机器人操作学习。实验表明，BridgeVLA在仿真和真实场景中均展现出卓越的性能和数据效率，仅需3条轨迹即可在基础任务中达到96.8%的成功率。

2025-06-27 09:10:17

模型 AI 机器人

谷歌AlphaGenome横空出世！40亿年生命代码一键破解，或再夺诺奖

前有AlphaFold破解蛋白质之谜，今有AlphaGenome揭示DNA天书。谷歌DeepMind最新103页力作，用AI成功预测基因突变，一次即可读取100万个DNA碱基，精度无「模」能敌。

2025-06-27 08:56:51

DeepMind 代码模型

人民大学&字节Seed：利用μP实现Diffusion Transformers高效扩展

人大高瓴李崇轩团队和字节跳动Seed团队的研究员引入了大语言模型训练中的μP理论，并将其扩展到diffusion Transformers的训练中。

2025-06-27 08:50:40

模型训练 AI

北大发布学术搜索评测ScholarSearch：难倒一众DeepResearch的“开卷考试”

北京大学DS-Lab发布ScholarSearch，这是首个专门用于评估大语言模型在学术研究中复杂信息检索能力的数据集，包含223道高难度的学术检索题目及其答案。

2025-06-27 08:47:12

模型数据集 AI

Nature报道：谷歌新模型1秒读懂DNA变异！首次统一基因组全任务，性能碾压现有模型

据Nature最新报道，谷歌DeepMind团队目前推出了突破性生物模型AlphaGenome。

2025-06-27 08:45:31

谷歌 AI 模型

推理越多，幻觉越重？多模态推理模型的「幻觉悖论」

多模态推理模型真的「越想越明白」吗？研究表明，R1系列模型在推理链条加长的过程中，其视觉感知能力出现下降趋势，生成内容有时会偏离图像本身，出现「看见」不存在事物的幻觉现象。

2025-06-27 08:40:00

模型推理 AI

全模态RAG突破文本局限，港大构建跨模态一体化系统

香港大学黄超教授团队开源多模态智能处理系统RAG-Anything，将碎片化的信息孤岛转化为结构化的知识网络，为智能多模态文档分析开辟了全新技术路径。

2025-06-26 15:11:41

AI 模型自动化

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

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。

2025-06-26 15:09:07

AI 模型训练

刚刚，OpenAI苏黎世办公室被Meta一锅端，三名ViT作者被挖走

华尔街日报称：「OpenAI 的一位发言人证实，这三名研究人员已经离职。」

2025-06-26 15:07:54

OpenAI Meta 模型

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

近日，地平线、极佳科技与中国科学院自动化研究所等单位提出 RoboTransfer，基于扩散模型的视频生成框架，可以用于扩充机器人策略模型的训练数据。

2025-06-26 15:06:47

数据训练模型

AI秒懂短视频，快手大模型Keye-VL理解力爆表！技术细节全开源

全新多模态大语言模型Kwai Keye-VL震撼上线，展现了无与伦比的视频理解力！它能将视频内容转化为高能方案，还会智能选择思考模型，效率与创意兼得。目前，模型已正式开源。

2025-06-26 15:05:45

模型 AI 视频生成

继AlphaFold之后，DeepMind再放“大招”：AlphaGenome直击疾病根源

谷歌DeepMind宣布推出一款名为AlphaGenome的全新人工智能（AI）模型。该模型旨在更深入、更准确地理解基因组，通过预测DNA序列的微小变化如何影响复杂的基因调控过程，为疾病研究、基因治疗和基础生命科学开辟了新的可能性。目前，AlphaGenome已通过API向非商业研究领域开放

2025-06-26 10:08:34

谷歌模型 AI

谷歌AI Agent刚开源！多任务智能体+MCP+谷歌搜索，狂揽9000颗星

Gemini CLI最大亮点之一就是可以直接调用，谷歌最新发布的视频模型 Veo和图像模型Imagen，同时集成了MCP、谷歌搜索、自定义自动化等众多实用功能。

2025-06-26 10:07:11

谷歌模型开源

让多模态大模型「想明白再画」！港大等开源GoT-R1：强化学习解锁视觉生成推理新范式

来自香港大学 MMLab、香港中文大学 MMLab 和商汤科技的研究团队，继其先前发布的 Generation Chain-of-Thought (GoT) 框架之后，现推出重要进展 ——GoT-R1。

2025-06-26 09:13:22

强化学习模型 AI

8B模型可以超过GPT-4o！并行KV Cache压缩支持的128K长度外推方法ParallelComp

我们提出了一种全新的训练免调（Training-Free）长文本处理方案 ——ParallelComp，其核心包括并行 Attention 分块、KV 缓存智能淘汰与注意力偏差校准三大技术创新。

2025-06-26 09:09:31

模型推理 AI

1 2 3 4 5 6 ··· 550 下一页

51CTO技术栈公众号

业务
速览

媒体

51CTO CIOAge HC3i

社区

51CTO博客鸿蒙开发者社区 AI.x社区

教育

51CTO学堂精培企业培训 CTO训练营