2025-05-19
打破大语言模型的"词汇牢笼"：从TokenAdapt到Supertoken，让AI自由适应多语言环境
这项研究介绍了TokenAdapt，一种通过混合启发式初始化策略帮助大型语言模型实现分词器灵活性的创新框架。研究团队同时探索了学习多词"超级词元"技术，以增强压缩效率并减少标记碎片化。实验证明TokenAdapt显著优于...
2025-05-19
自定义风格的文本到矢量图形：当AI绘图师学会画SVG图标的精彩故事
这项研究介绍了一种创新的两阶段SVG风格定制方法，使AI能够生成具有特定风格的矢量图形。香港城市大学和Adobe研究院的团队首先训练一个路径级T2V扩散模型掌握SVG结构，然后通过从定制的图像扩散模型中提取风格知识来实现...
2025-05-19
黄仁勋Computex演讲：电力、互联网之后是智能革命，AI应用与传统软件本质不同，英伟达在重构企业IT，DeepSeek是礼物
黄仁勋上午在在台北流行音乐中心做了Computex 2025的首场主题演讲，关注度自然也是极高的。两个小时的演讲，不仅回顾了英伟达公司30年的发展历程，还详细阐述了英伟达在AI、加速计算、机器人和企业级AI基础设施等领域...
2025-05-18
《奇点临近》作者库兹韦尔：奇点已经更近了，AGI将在2029年实现，我们将分不清哪些想法来自AI，十年后人类将不再衰老
雷·库兹韦尔在谷歌的官方头衔是“Principal Researcher and AI Visionary”（首席研究员兼人工智能愿景专家），但是他被外界所熟知，是因为他在2005年出版过一本叫《奇点临近》的书。
2025-05-17
亚马逊CEO Jassy访谈：我们用逆向工作法管理公司，做产品的第一步是写新闻稿，贝索斯教会我三件事情，领导者最擅长终身学习
昨天我们发布了谷歌CEO皮查伊的访谈，今天就来一期另一家互联网巨头#亚马逊 CEO Andy Jassy的博客。其实我想发Andy Jassy的内容很久了，但是苦于一直没有很好的素材。十天前，《哈佛商业评论》放出了一期对...
2025-05-16
Meta发布J1：通过强化学习激励LLM思考和做出更好的判断
这篇研究介绍了Meta公司开发的J1系统，这是一种通过强化学习训练大语言模型进行评判的创新方法。J1将可验证和不可验证的提示转换为具有可验证奖励的判断任务，从而鼓励模型在做出决策前先进行思考。研究表明，J1在8B和70B...
2025-05-16
解锁视觉令牌化的全新潜能：北京人工智能研究院提出端到端视觉令牌化调优方法
北京人工智能研究院等机构研究团队提出的"端到端视觉令牌化调优"(ETT)方法解决了视觉令牌化器在多模态任务中的表示瓶颈问题。与传统方法不同，ETT利用令牌化器码本嵌入代替离散索引，并通过重建和描述目标端到端优化视觉令牌化...
2025-05-16
深度无限融合：浙江大学和香港大学联合打造的「Prior Depth Anything」，让你的相机看得更深更远
浙江大学和香港大学的研究团队提出了Prior Depth Anything，一个创新框架，融合了深度测量中精确但不完整的度量信息与深度预测中相对但完整的几何结构。该方法通过粗到细的流程，先用像素级度量对齐将深度预测与先验...
2025-05-16
开启视觉思维：通过视觉工具强化学习赋能大型视觉语言模型
一项由苏州大学、微软等机构合作的研究OPENTHINKIMG首次提出了完整的视觉工具强化学习框架，解决了当前大型视觉语言模型缺乏视觉思维的问题。该研究基于Qwen2-VL-2B基础模型，开发了V-TOOLRL方法，通过分...
2025-05-16
深度融合大型语言模型与扩散变换器：新一代AI图像生成技术的突破性探索
这项研究探索了将大型语言模型(LLM)与扩散变换器(DiT)深度融合用于文本到图像生成的新方法。纽约大学和Hugging Face的研究团队没有提出全新技术，而是系统分析了现有方法的设计空间和关键参数选择。研究发现深度融...
2025-05-16
ReSurgSAM2：新加坡国立大学团队打造的手术视频智能追踪系统，让外科医生用语言指令精准追踪手术工具与组织
ReSurgSAM2是新加坡国立大学团队开发的两阶段手术视频分割系统，允许外科医生通过文本指令精准识别和追踪手术器械与组织。这项创新利用SAM2模型为基础，添加了跨模态空间-时间Mamba、可靠初始帧选择和多样性驱动长期...
2025-05-16
AI不会消灭搜索，谷歌CEO皮查伊访谈：人形机器人的GPT时刻还有3年，DeepSeek改变了一些人的预期，电力是模型的终极瓶颈
在#谷歌 I/O大会前期，放出一期谷歌CEO的深度访谈，应该是再合适不过了。
2025-05-15
TRAIL：智能助手工作流程的追踪推理与问题定位
想象一下，你拥有一个智能助理，它可以为你安排日程、搜索信息、甚至编写代码。这些助理越来越像是我们生活和工作的小伙伴，而不仅仅是简单的问答工具。它们可以操作各种工具，在不确定的环境中自主导航，有时甚至几乎不需要人类监督。这...
2025-05-15
音频生成加速革命：Stability AI团队突破毫秒级文本转音频技术
你是否曾等待过AI生成一段音频？不管是想要一段背景音乐、声音效果还是环境音，传统的文本到音频AI模型就像一位才华横溢但动作极其缓慢的音乐家—创作出色，但要花上好几分钟甚至更长时间才能完成一段短小的音频。
2025-05-15
MiniMax 突破语音合成极限：全新 MiniMax-Speech 技术让 AI 说话更像真人
当我们使用导航应用听取路线指引，或者让数字助手朗读新闻时，我们听到的AI语音正在变得越来越自然，但仍然存在明显的局限性。传统的语音合成技术往往需要大量特定说话者的录音样本才能生成接近自然的语音，而且在切换到不同说话者、不...
2025-05-15
让AI更懂"听话"：复旦大学团队开创多维度约束框架，大幅提升大语言模型的指令遵循能力
想象一下，你有一个非常聪明的助手，但这个助手有时会按照自己的想法行动，而不是严格遵循你的指示。在人工智能领域，这就是我们所说的"指令遵循"问题。
2025-05-15
用游戏测试人工智能：伯克利团队的"生成游戏测试台"如何衡量AI的通用智能
想象一下，你在考试前记住了所有可能的问题和答案。当考试来临时，你看似表现优秀，但实际上只是在背诵，而非真正理解。当前的大语言模型（如ChatGPT）也面临类似问题——它们在很多传统测试中表现出色，但这真的代表它们具备了通...
2025-05-15
"让视觉遇见理性"：模型融合让AI同时具备视觉感知与逻辑推理能力
想象一下，你在阅读一份复杂的科学报告，里面充满了图表和数据。作为人类，你能够轻松地看懂这些视觉内容，并且进行复杂的思考和推理。但对于人工智能来说，这却是一个巨大的挑战。