田渊栋：连续思维链效率更高，可同时编码多个路径，“叠加态”式并行搜索
AI也有量子叠加态了？连续思维链的并行搜索类似于量子叠加，比离散型思维链更具优势。这是AI大牛田渊栋团队的最新研究成果。传统LLM通过生成 “思维token”（如文本形式的中间步骤）进行推理（即离散思维链），但在处理复杂任务（如判断有向图
美团提出首个语音交互GUI智能体，端到端语音训练能力优于传统文本训练
只需要动动嘴就可以驱动GUI代理？由美团和浙江大学联合推出的GUIRoboTron-Speech——让用户解放双手，直接对计算机“发号施令”。这是首个能够直接利用语音指令和设备屏幕截图进行端到端（End-to-End）决策的自主GUI智能
能自我提升的Agent需要内在的元认知学习能力。| 剑桥ICML最新
剑桥大学和范德夏尔实验室在 ICML 2024 上发表的立场论文，直接挑战了当前Agent开发的核心假设：我们一直在用错误的方式让Agent"自我改进"。论文作者 Tennison Liu 和 Mihaela van der Schaar
AI哪怕答案正确，逻辑链却惨不忍睹，奥数级不等式证明成功率不到50%｜ 斯坦福&伯克利&MIT
这不是段子，而是正在发生的现象。大语言模型解决不等式证明问题时，可以给出正确答案，但大多数时候是靠猜。推理过程经不起推敲，逻辑完全崩溃。斯坦福大学、UC伯克利、MIT等机构联合发布研究论文《Solving Inequality Proof
何恺明CVPR最新讲座PPT上线：走向端到端生成建模
生成模型会重现识别模型的历史吗？今年的 CVPR 已经在美国田纳西州纳什维尔顺利闭幕。除了交流论文、互加好友，很多参会者还参加了个非常有意思的项目 —— 追星。这个「星」自然是学术明星。从前方发来的实况来看，MIT 副教授何恺明可能是人气
DPO与GRPO谁更胜一筹？港中文、北大等联合发布首个系统性对比研究
近年来，强化学习 (RL) 在提升大型语言模型 (LLM) 的链式思考 (CoT) 推理能力方面展现出巨大潜力，其中直接偏好优化 (DPO) 和组相对策略优化 (GRPO) 是两大主流算法。如今，这股 RL 的浪潮也涌向了图像生成领域。当
推荐大模型来了？OneRec论文解读：端到端训练如何同时吃掉效果与成本
人人都绕不开的推荐系统，如今正被注入新的 AI 动能。随着 AI 领域掀起一场由大型语言模型（LLM）引领的生成式革命，它们凭借着强大的端到端学习能力、海量数据理解能力以及前所未有的内容生成潜力，开始重塑各领域的传统技术栈。作为互联网流量
Agent全自动搭建代码运行环境，实时更新解决评测过拟合/数据污染问题｜微软
长期以来主流的代码修复评测基准SWE-bench面临数据过时、覆盖面窄、手动维护成本高等问题，严重制约了AI模型真实能力的展现。微软发布全新代码修复评测基准SWE-bench-Live，不仅引入了来自GitHub最新的Issue，显著提升
李飞飞团队提出架构设计新思路！无需从头训练，直接“嫁接”预训练模型关键组件
预训练模型能否作为探索新架构设计的“底座” ？最新答案是：yes！简单来说，按照研究人员设计好的架构方案从头训练模型，往往是检验一个架构是否有效的重要手段。但问题在于，从头训练模型的成本也太高了！对此，包括李飞飞团队在内的研究人员提出了一
人人皆可创作音乐！腾讯AI Lab开源音乐生成大模型SongGeneration
6 月 16 日，腾讯 AI Lab 推出并开源 SongGeneration 音乐生成大模型，专注解决音乐 AIGC 中音质、音乐性与生成速度这三大共性难题，基于 LLM-DiT 的融合架构，模型在保持生成速度的同时，显著提升了音质表现
- Advertisement -
AI每日快报
谷歌发布本地具身智能模型！全程无联网执行精细操作，从人形机器人到工业机器人全覆盖
机器人终于有了自己的“离线大脑”。Google DeepMind团队首个可以完全在机器人本地运行的视觉-语言-动作（VLA）模型Gemini Robotics On-Device发布。这个模型不仅能离线运行，还保持了相当强悍的操作能力，能
