当AI懂化学,却不会造分子:如何让语言模型教会生成模型做科研
本文介绍LLM-to-Flow Distillation方法,利用大语言模型作为自适应教师,通过生成渐进式子目标课程并给出相对偏好判断,无需代理奖励即可指导分子和多肽生成模型实现自然语言驱动的科学发现对齐。
本文介绍LLM-to-Flow Distillation方法,利用大语言模型作为自适应教师,通过生成渐进式子目标课程并给出相对偏好判断,无需代理奖励即可指导分子和多肽生成模型实现自然语言驱动的科学发现对齐。
AgentSafeEvo提出让攻击者与防御智能体在多轮工具交互中共同进化的强化学习框架,并用可学习性加权动态调整训练重心,在多项安全和通用能力基准上大幅提升大语言模型智能体的攻击抵抗力与任务完成表现。
AI把算力需求推到了前所未有的高度,但需求并没有均匀落在每个市场。11月17日的三季度业绩说明会上,长鑫科技给出的不只是一份营收1187亿元、环比增长19%的成绩,更是一张按场景切分的产品地图:服务器、汽车、端侧AI,各...
Vela是一种用样条曲线表示机器人未来动作的视觉语言动作基础模型,通过固定控制点预算与可自适应的时间跨度,解决了传统动作分块方法在长时序覆盖与局部精度之间的矛盾,在模拟与真实机器人实验中均取得明显提升。
AI模型报概率准不准,一直没法验证,因为现实中每个样本只有一个结果。这篇论文造出三个概率完全透明的虚拟世界,用精确真值直接给16个主流模型的概率质量打分,还顺带测出常用评估工具本身也有系统偏差。
Jag提出一种让多模态大模型直接预测边界框坐标的新方法,避免逐字生成坐标文字,通过读取已有输入状态和轻量回归头一次完成预测,在准确率媲美专用模型的同时大幅降低推理延迟和显存占用。
NVIDIA 运营执行副总裁 Deb Shoquist 接受专访,讲述其如何依托 TSMC、Foxconn、纬创等全球合作伙伴,构建并壮大支撑 AI 平台的供应链与制造体系。
XGEN团队提出生成式世界模拟框架,由计算式世界引擎DAO与第一人称体验模型JING组成,让AI生成的虚拟世界拥有持久记忆、自主演化的角色行为,并支持探索、物体操作与角色对话等交互方式。
论文提出"记忆巩固"概念,通过Cortex方法让大模型把临时上下文中的知识转化为永久参数记忆,借鉴大脑突触可塑性设计FFN更新机制,在知识编辑、技能学习等五类任务上实现高效且低遗忘的持续学习。
一篇来自伯克利与阿里巴巴的研究指出,真实世界超分辨率的关键不在算法而在空间选择。用冻结的DINOv3视觉基础模型融合层替代传统VAE或像素空间,使降质图像更贴近清晰流形,RAESR模型以一次解码、37毫秒的速度超越多数扩...
瑞士团队发布Apertus 1.5,把纯文本大模型升级为理解图像音频的多模态推理模型,支持26万token超长上下文和可切换思考模式,训练全过程及数据代码完全开源透明。
本文介绍ProgAgent,一套让AI智能体用编程式工具调用代替传统直接调用的训练方案。仅用215个任务训练,模型在极端长上下文场景下依然保持高通过率,远超同规模基线,且编程式训练的能力可跨接口迁移。
本文研究Flow Matching训练中源目标样本配对方式对训练稳定性的影响,提出基于FlashSinkhorn的可扩展在线熵正则化最优传输近似方法,将配对批量从数百提升至数千样本规模,并从理论上证明了相对独立配对,最优...
本文提出Latent Compaction方法,通过测试时训练构建文档专属的压缩KV缓存,以应对长文本场景下键值缓存占用内存过大的问题。该方法结合重建重要性、教师注意力和键空间多样性进行初始化,分两阶段训练:先拟合注意力...
研究者发现AI生成视频常有声画不同步问题,于是构建了8万条人工标注数据集和专用测试基准,训练出SyncReward评分模型,既能精准评估同步质量,又能反向指导生成模型改进,推动音视频生成更真实可信。
普林斯顿团队提出SWEeper-Bench,测试AI能否在无人告知的情况下自主发现并修复真实软件bug。结果显示最强模型仅59%通过率,瓶颈在于识别异常行为,而非修复能力。
夺冠之后,人们都在谈论:为什么是BLG?复盘这支队伍的夺冠轨迹,我们看到的不仅是一场电竞奇迹,更是一套跨越周期的突围法则——它同样映照着达梦四十余载的久久为功。
据SEIA与Benchmark Mineral Intelligence联合报告,美国已累计安装超200GWh储能容量。2026年前三季度新增48.3GWh,同比增长20%,2030年部署预测上调至708GWh。德克萨斯...
IBM发布Nighthawk r3量子处理器,支持520个可编程量子比特上执行10,000次量子操作,速度较上代最高提升19倍。IBM同步推进经典与量子混合计算策略,计划2027年将两颗Nighthawk r3连接成超1...
MIT数学系教授John Urschel借助AI工具解开困扰数学界数十年的难题后表示,AI时代人类独立思考与解题能力比以往更重要,数学训练能培养学生在AI辅助环境下不可替代的批判性思维能力。