-
混元开源又+1：视频音效可以自动生成了
文章介绍了腾讯混元开源的 HunyuanVideo-Foley 视频音效生成模型，旨在解决现有 AI 视频音效生成泛化能力不足、语义响应不均衡及音质粗糙等痛点。该模型通过构建大规模高质量 TV2A 数据集、采用创新的双流多模态扩散变换器（MMDiT）架构实现多模态语义均衡响应，并引入表征对齐（REPA）损失函数提升音频保真度。HunyuanVideo-Foley 在多个权威评测基准上达到 SOTA… -
不止 SOTA！通义 DeepResearch 模型、框架、方案全开源
文章详细介绍了通义 DeepResearch 模型、框架及方案的全开源，旨在赋能 AI 具备深度研究能力。核心技术创新包括：自研行业领先的全流程合成数据方案，涵盖 Agentic CPT、数据重组与问题构建、动作合成以及自动化生成 PhD-Level 学科数据，构造超越人类水平的数据集，以突破智能体能力上限。在推理范式上，模型支持 ReAct 模式和迭代式深度研究范式（IterResearch），… -
刚刚，DeepSeek-R1 论文登上 Nature 封面，通讯作者梁文锋 ｜ 机器之心
文章报道了 DeepSeek-R1 研究登上《Nature》封面，强调了其在利用强化学习提升大语言模型（LLM）推理能力方面的创新。DeepSeek-R1 模型通过群组相对策略优化（GRPO）和精巧的奖励设计，使模型能够自我验证和反思，逐步解决复杂问题，显著提高了在编程和科学问题上的表现。文章特别指出，DeepSeek-R1 是首个通过权威学术期刊同行评审的大语言模型，这一“程序价值”被视为 AI… -
k1.5 新模型登场：Kimi 如何做到满血版多模态 o1 水平（附技术报告）
文章介绍了 Kimi 推出的全新多模态模型 k1.5，该模型在短链思维（short-CoT）和长链思维（long-CoT）模式下均表现出色，尤其在数学、代码和视觉推理任务中大幅领先现有 SOTA 模型如 GPT-4o 和 Claude 3.5 Sonnet。k1.5 的核心优势在于其强化学习框架，包括长上下文扩展、改进的策略优化方法以及简洁高效的训练设计。此外，Kimi 技术团队首次公开了详细的训… -
Chip Huyen：AI 时代，手动检查数据竟是“性价比之王”？
文章记录了与 AI 专家 Chip Huyen 的深度对话，系统阐述了 AI 工程的定义、构建策略、评估方法和常见误区。核心观点包括：AI 工程与传统机器学习工程的区别在于从产品出发而非从数据开始；构建 AI 应用应遵循从提示工程到 RAG 再到微调的渐进路径，特别强调数据准备的重要性；评估 AI 系统极具挑战性，需要结合功能正确性、AI 辅助评估和比较评估等多种方法，同时重视人工检查与理解用户需… -
Consilium：多 LLM 协作平台
本文介绍了 Consilium，这是一个在黑客马拉松期间开发的多 LLM 平台，旨在促进 AI 模型之间的结构化辩论和共识。它既可以作为可视化的 Gradio 界面，特别具有用于进行可视化讨论的类扑克圆桌会议，又可以作为 MCP（模型上下文协议）服务器。一项关键创新是为 LLM 分配不同的角色（例如“批判性分析师”，“战略顾问”），这有助于形成富有成效的辩论动态，并有助于获得经过充分论证的答案。该… -
这届 WAIC，无问芯穹发布了三个「盒子」 ｜ 机器之心
无问芯穹在 2025 年世界人工智能大会上，正式发布了其“全规模 AI 效能跃升方案”，旨在解决人工智能发展中有限计算资源与无限智能需求之间的核心矛盾，为此提出了提高智能效率、扩充计算资源两条加速路径。该方案包含三大核心产品：针对万卡至十万卡级全局算力网络的“无穹 AI 云”（大盒子），用于汇聚并高效调度全国范围内的异构算力资源；面向百卡至千卡级大型智算集群的“无界智算平台”（中盒子），旨在提升科… -
迈向可信 AI：LLM 幻觉的分析与优化
本文深入探讨了 LLM 幻觉（即模型生成与事实不符或虚构信息）这一关键挑战。文章首先简要介绍了 LLM 的训练（预训练、后训练、对齐）和推理（分词、嵌入、Transformer 处理、采样）原理，解释了模型因概率性生成和训练数据限制而产生幻觉的内在原因。随后，详细分析了幻觉的优点（如创造性）和缺点（如误导用户、污染数据）。文章的核心在于提出了一系列多维度的优化方案，包括：通过精准无歧义的 Prom… -
Anthropic 预训练负责人教你如何训练大语言模型
本视频由 Ankit Gupta (Y Combinator) 采访了 Nick Joseph (Anthropic 的预训练负责人)，探讨了训练 Claude 等先进人工智能模型的工程复杂性。Joseph 分享了他从 Vicarious 到 OpenAI 再到 Anthropic 的职业生涯，并阐述了他对人工智能安全认识的转变。对话深入探讨了预训练的核心原则，强调“下一个词预测”和经验性的“规模… -
Redis 持久化原理分析和使用建议
文章深入剖析了 Redis 提供的三种持久化方案，首先阐述了持久化的必要性，即避免内存数据丢失。接着详细介绍了 AOF 日志的原理、开启方式、配置项、写回策略和重写机制，AOF 重写机制能够避免 AOF 文件过度膨胀，以及 AOF 的优缺点。然后，文章分析了 RDB 快照的触发方式（save、bgsave 和自动触发）、配置项和写时复制 (COW) 技术，并探讨了 RDB 的优缺点。最后，文章介绍… -
Anthropic：我们如何构建多智能体研究系统
文章详细介绍了 Anthropic 如何构建和优化其基于 Claude 的多智能体研究系统，该系统通过协调主智能体和并行子智能体来高效处理复杂、开放式、路径依赖性强的研究任务。文中阐述了多智能体系统在处理广度优先查询上的显著优势，以及相比单智能体系统更高的 Token 消耗。文章的核心是分享构建过程中的关键经验教训，涵盖了系统架构（协调者-工作者模式）、提示工程（委派、伸缩规则、工具设计、自我改进… -
斯坦福最新研究：硅谷的 AI 创业潮，其实是一场大型的资源错配
斯坦福大学一项涵盖 1500 名员工和 52 名 AI 专家的研究，量化分析了 844 项职业任务对 AI 自动化的需求。研究发现，仅有小部分任务员工渴望自动化（7.11%），且需求在不同行业差异巨大。将此需求与硅谷 AI 创业公司（YC 孵化 723 家）和学术研究（17064 篇论文）的投入方向对比，发现高达 41.0% 的创业努力和大量研究集中在员工既不需要也不想要的任务上（“低优先区”和“… -
ChatGPT 一夜爆火的内幕：来自 OpenAI 核心团队的复盘与展望
文章通过深度访谈 OpenAI 首席研究官 Mark Chen 和 ChatGPT 负责人 Nick Turley，揭示了 ChatGPT 意外爆红的内幕：从发布前夕的临时命名，到一夜之间用户量激增导致系统崩溃，远超内部预期。这次经历促使 OpenAI 的产品哲学从追求一次性完美发布的“硬件模式”转变为快速迭代、拥抱真实世界反馈的“软件模式”，强调通过用户反馈驱动产品和安全体系的进化。文章还深入探… -
谁最容易被 AI 替代？清华大学教授刘嘉：初级白领最危险
文章通过清华大学心理与认知科学系主任刘嘉教授与腾讯科技主编的深度对话，探讨了 AGI 时代下人类如何应对 AI 冲击、重估自身价值的根本问题。刘嘉教授指出，第一次工业革命解放了“身体”，而 AI 时代正在解放“技能”，导致知识密集型岗位尤其是初级白领最容易被替代。他强调 AI 并非人类的替代者，而是“照见人类价值的显微镜”，促使人们思考真正热爱和擅长什么。文章还深入剖析了 AI 目前缺乏“0 到 … -
使用 html2canvas+jspdf 生成可编辑的矢量 pdf
文章深入探讨了前端生成 PDF 的痛点，对比了 Puppeteer、jsPDF/PDFKit、PDFMake 和 html2canvas+jsPDF 等主流方案的优缺点，并引出了作者开发的 dompdf.js。该库的核心创新在于，它改造了 html2canvas 的渲染流程，将原本绘制到 Canvas 的 API 调用替换为 jsPDF 的矢量 API，从而直接将 DOM 内容转换为矢量 PDF，… -
Kimi K2 实战：构建端到端旅游优惠查找器 AI 应用教程
本文详细指导如何开发旅游优惠查找器 AI 应用，该应用利用 Moonshot AI 的开源 Kimi K2 大语言模型、用于网络数据提取的 Firecrawl API 和用于高速推理的 Groq Cloud。文章首先介绍 Kimi K2 先进的混合专家模型 (MoE) 架构和自主智能 (Agentic AI) 能力，然后比较 Groq、Moonshot AI 和 OpenRouter 等 Kimi… -
吞下 17 亿图片，Meta 最强巨兽 DINOv3 开源！重新定义 CV 天花板
文章深入报道了 Meta 最新开源的 DINOv3 视觉基础模型。该模型通过在 17 亿张图片上进行自监督学习（SSL）训练，参数量达 70 亿，能够生成强大且高分辨率的图像特征。DINOv3 首次实现了单一固定视觉主干网络在多个密集预测任务中超越专用解决方案，重新定义了计算机视觉的性能上限。其核心优势在于无需微调（frozen backbone）即可应用于多样任务，并强调了无需人工标注的优势，使… -
实测！Qwen 下一代基础架构突袭！秒解 AIME 数学竞赛题，提速 10 倍+性价比提升 10 倍
文章详细介绍了阿里通义千问团队发布的 Qwen3-Next 模型架构，作为 Qwen3.5 的抢先预览版，其核心目标是大幅提升模型性价比和性能。Qwen3-Next-80B-A3B-Base 模型在训练成本上仅为前代的十分之一，长上下文推理吞吐量提升十倍以上。技术创新包括混合注意力机制（引入 Gated DeltaNet）、高稀疏度 MoE 结构、稳定性优化（Zero-Centered RMSNo… -
Cloudflare 数据平台发布：直接在 Cloudflare 上进行数据摄取、存储与查询
本文介绍了 Cloudflare 数据平台。该平台是为分析数据工作负载设计的全面无服务器解决方案。它利用 Cloudflare 的全球网络和零出站费用 R2 对象存储，集成了三个核心组件：Cloudflare Pipelines，用于事件摄取和基于 SQL 的 Iceberg 表转换；R2 数据目录，一个完全托管的 Apache Iceberg 目录，现在具有自动数据压缩功能，以优化查询性能；以及… -
Sam Altman 论 Sora、能源与人工智能帝国的构建
本次对 OpenAI 联合创始人 Sam Altman 的采访，概述了该公司雄心勃勃的愿景，即将消费者技术、超大规模基础设施和尖端研究实验室融为一体。Altman 详细阐述了 Sora 等项目背后的战略原理，强调了人工智能与社会共同进化的必要性，并着重指出了人工智能科学家在加速科学发现方面的变革潜力。他分享了对 OpenAI 垂直整合战略的见解，解释了研究如何驱动产品，以及基础设施如何为两者提供支…
AI 前线
扫码打开当前页
-
✈优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×