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
让AI看懂95万物种，并自己悟出生态关系与个体差异!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。而更令人惊喜的是，即使在训练过程中没有相应监督信号，
LLM进入「拖拽时代」！只靠Prompt，几秒定制一个大模型，效率飙升12000倍
现在的大模型基本都具备零样本泛化能力，但要在真实场景中做特定的适配，还是得花好几个小时来对模型进行微调。即便是像LoRA这样的参数高效方法，也只能缓解而不能消除每个任务所需的微调成本。刚刚，包括尤洋教授在内的来自新加坡国立大学、得克萨斯大
信息过载时代，如何真正「懂」LLM？从MIT分享的50个面试题开始
人类从农耕时代到工业时代花了数千年，从工业时代到信息时代又花了两百多年，而 LLM 仅出现不到十年，就已将曾经遥不可及的人工智能能力普及给大众，让全球数亿人能够通过自然语言进行创作、编程和推理。 LLM 的技术版图正以前所未有的速度扩张，
AI编程界出了个Comate，做出了Cursor们都没有的新功能！
留给 Cursor 一枝独秀的时间不多了，上周被 Anthropic 推出的 Claude Code 背刺，悄悄取消了500次的Agent对话限制，这周又匹配上了新的对手，出道两年半，带着插件时期积累下来的编程痛点，Comate AI I
只训练数学，却在物理化学生物战胜o1！新强化学习算法带来显著性能提升，还缓解训练崩溃问题
只训练数学，却在物理化学生物战胜o1！强化学习提升模型推理能力再添例证。来自上海创智学院、上海AI Lab的MM-Eureka系列工作提出了新的强化学习算法CPGD（Clipped Policy Gradient Optimization
推理正确率下降65.5%！斯坦福、MIT等用「不等式」拷问AI逻辑极限
大语言模型在数学证明中常出现推理漏洞，如跳步或依赖特殊值。斯坦福等高校团队提出IneqMath基准，将不等式证明拆解为可验证的子任务。结果显示，模型的推理正确率远低于答案正确率，暴露出其在数学推理上的缺陷。在大模型频频给出「看似完美」答案
CVPR 2025 Award Candidate | 英伟达等Difix3D+：用单步扩散模型修复 3D 重建伪影
在 3D 重建领域，无论是 NeRF 还是最新的 3D Gaussian Splatting（3DGS），在生成逼真新视角时仍面临一个核心难题：视角一旦偏离训练相机位置，图像就容易出现模糊、鬼影、几何错乱等伪影，严重影响实际应用。为了解决
提升大模型内在透明度：无需外部模块实现高效监控与自发安全增强｜上海AI Lab & 上交
大语言模型（LLM）能力提升引发对潜在风险的担忧，洞察其内部“思维过程”、识别危险信号成AI安全核心挑战。当前主流用外部“黑盒”监控模块解读模型表征，此类方法如“隔靴搔痒”：独立于模型，解读逻辑不透明、结果可信度低，且对数据分布变化敏感、
我在哪？要去哪？要怎么去？字节跳动提出Astra双模型架构助力机器人自由导航
在当今科技飞速发展的时代，机器人在各个领域的应用越来越广泛，从工业生产到日常生活，都能看到它们的身影。然而，现代机器人导航系统在多样化和复杂的室内环境中面临着诸多挑战，传统方法的局限性愈发明显。一、传统导航瓶颈凸显，Astra 应势而生在
性能提升11.74%！腾讯优图提出激励推理，专攻复杂指令
现有的语言大模型（LLMs）在复杂指令下的理解和执行能力仍需提升。腾讯优图（UTU）研究团队提出一种系统性方法——激励推理（Incentivizing Reasoning )，来提升LLM处理复杂指令的能力。结果显示，该方法能够有效提升大
- Advertisement -
AI每日快报
速递｜史上最大种子轮：Thinking Machines Lab以100亿美元估值，完成20亿美元融资
图片来源：微软据《金融时报》报道，由OpenAI 前CTO Mira Murati 创立的隐秘人工智能初创公司 Thinking Machines Lab 已完成 20 亿美元种子轮融资 。这笔交易使这家成立仅 6 个月的初创公司估值达到
