AI技术研报-这里有最前沿的人工智能技术解读

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
拆解梁文锋署名的DSpark,看懂这10个点就够了!

拆解梁文锋署名的DSpark,看懂这10个点就够了!

拆解梁文锋署名的DSpark,看懂这10个点就够了!

Fireworks AI的联合创始人兼CTO、PyTorch核心维护者Dmytro Dzhulgakov将整篇论文梳理成了10个概念,从最底层的GPU访存特性讲到最上层的在线自适应调度。DeepSeek这套方案真正的精髓在于系统工程和模型协同设计。

来自主题: AI技术研报
7316 点击    2026-06-28 17:34
陶哲轩参赛,在这项极其严格的数学测试中,人类表现优于AI

陶哲轩参赛,在这项极其严格的数学测试中,人类表现优于AI

陶哲轩参赛,在这项极其严格的数学测试中,人类表现优于AI

就在外界惊呼“AI快要接管纯数学研究”之际,一场限制条件极其严格、并由30位数学家以匿名方式进行评审的数学测试,却揭开了AI数学能力的另一面:AI不仅会幻觉、会跳步骤,甚至还把数学家论文里的关键论证几乎原样照搬,却忘了注明引用。

来自主题: AI技术研报
8636 点击    2026-06-28 11:35
CVPR 2026最热方向,被一家杭州团队率先跑进了端侧!

CVPR 2026最热方向,被一家杭州团队率先跑进了端侧!

CVPR 2026最热方向,被一家杭州团队率先跑进了端侧!

刚刚,Om AI发布全球首个面向物理世界的端侧流式多模态模型系列——VLX。VLX主打真实世界的端侧与具身场景,总共三款模型,三天连发:这三款模型连起来,不仅构成了多模态模型持续感知、精准定位、行动决策的能力闭环。

来自主题: AI技术研报
8612 点击    2026-06-28 11:14
单个tokenizer胜任图像视频理解生成!南大&腾讯混元HYDRA打通多模态统一难题

单个tokenizer胜任图像视频理解生成!南大&腾讯混元HYDRA打通多模态统一难题

单个tokenizer胜任图像视频理解生成!南大&腾讯混元HYDRA打通多模态统一难题

南大王利民团队&腾讯混元的HYDRA系列(HYDRA,HYDRA-X)工作挑战了这个惯例,用一个基于ViT的统一视觉Tokenizer,帮助原生多模态模型更好地“看懂”和“创作”。训练一个基于ViT的Unified Tokenizer,使其同时具有理解和生成的能力,进而同时作为理解和生成的Autoencoder,来支持原生多模态模型(Unified Multimodal Models)的训练。

来自主题: AI技术研报
8010 点击    2026-06-28 11:13
刚刚,DeepSeek V4更新DSpark,推理速度提升80%

刚刚,DeepSeek V4更新DSpark,推理速度提升80%

刚刚,DeepSeek V4更新DSpark,推理速度提升80%

刚刚,DeepSeek V4 进行了一次更新。新推出了投机解码(Speculative Decoding)框架 DSpark,并同步开源了支撑该版本的全栈推测性解码框架 DeepSpec。DeepSeek-V4-Pro-DSpark 并非全新架构模型,而是在 DeepSeek-V4-Pro 基础上引入了推测性解码模块。此次更新的重点在于工程落地,而非模型能力本身的迭代。

来自主题: AI技术研报
8790 点击    2026-06-27 18:55
微软年度AI职场报告:员工已经准备好了,公司还没有

微软年度AI职场报告:员工已经准备好了,公司还没有

微软年度AI职场报告:员工已经准备好了,公司还没有

Jay 发自 凹非寺 量子位 | 公众号 QbitAI AI能否真正产生价值?组织因素的权重是个人的两倍。 也就是说,你AI用得不好,三分之二的锅得公司背。 这个反直觉洞察,出自微软一年一度的《Wor

来自主题: AI技术研报
9187 点击    2026-06-27 11:28
大模型搜索总偷懒?IQuest等联合推出FORT,30B开源搜索Agent刷新同规模SOTA

大模型搜索总偷懒?IQuest等联合推出FORT,30B开源搜索Agent刷新同规模SOTA

大模型搜索总偷懒?IQuest等联合推出FORT,30B开源搜索Agent刷新同规模SOTA

来自至知创新研究院(IQuest Research)、中国人民大学高瓴人工智能学院、KAUST等机构的研究团队提出了FORT,一个面向Deep Search Agent的shortcut-resistant training-data synthesis framework。

来自主题: AI技术研报
8524 点击    2026-06-27 11:27
黄仁勋:Prompt正在过时,Loop才是新范式

黄仁勋:Prompt正在过时,Loop才是新范式

黄仁勋:Prompt正在过时,Loop才是新范式

这就是最近网上热传热议,然后老黄黄仁勋给AI新趋势画的新重点:Nobody writes prompts anymore. The new job is to write and handle loops.(现在根本没有人写Prompt了,新时代的核心工作是编写和管理loop。)

来自主题: AI技术研报
7973 点击    2026-06-27 10:55
刚刚,翁荔博客上新:谨慎对待Scaling Law

刚刚,翁荔博客上新:谨慎对待Scaling Law

刚刚,翁荔博客上新:谨慎对待Scaling Law

刚刚,翁荔(Lilian Weng)的博客 Lil'Log 终于更新了!要知道,自从她联合创立了 Thinking Machines Lab 之后,她那让许多人受益良多的博客就鲜少更新了——距离她上一次更新,已经过去了 13 个月。

来自主题: AI技术研报
9239 点击    2026-06-26 11:14
往 Codex 里塞块无限画布,AI 改图终于能指哪打哪了|附教程

往 Codex 里塞块无限画布,AI 改图终于能指哪打哪了|附教程

往 Codex 里塞块无限画布,AI 改图终于能指哪打哪了|附教程

和 Codex、Claude Code 等 Coding Agent 沟通,很多时候就像站在许愿池边,对着池子里的王八扔硬币,嘴里念念有词,关键它还真给你兑现愿望。

来自主题: AI技术研报
6708 点击    2026-06-25 15:26
让机器人学会「预判接触」:它石智航牵头四大顶尖机构发布TacForeSight,破解精细操作难题

让机器人学会「预判接触」:它石智航牵头四大顶尖机构发布TacForeSight,破解精细操作难题

让机器人学会「预判接触」:它石智航牵头四大顶尖机构发布TacForeSight,破解精细操作难题

机器人已经学会看见世界,也开始学会摸到世界。但对于真实接触操作而言,仅仅感知当前状态远远不够,机器人还需要预测物理世界接下来会如何变化。擦拭、插接、拧紧,这些人类几乎凭感觉就能完成的动作,对机器人来说却并非易事:接触力度会变化,物体位置会偏移,反馈慢一步,就可能打滑、卡住或丢失。

来自主题: AI技术研报
7074 点击    2026-06-25 15:24
中国造出一颗「不怕死」的AI大脑,专接最要命的活儿

中国造出一颗「不怕死」的AI大脑,专接最要命的活儿

中国造出一颗「不怕死」的AI大脑,专接最要命的活儿

太硬核了!全球首个搭载AI大脑的防爆机器人,正式接管加油站。自主定位、拧盖、提枪、注油,全套动作行云流水,24小时无休作业,具身智能终于在高危场景一战封神。

来自主题: AI技术研报
9172 点击    2026-06-25 15:01
SIGGRAPH 2026 | 无需训练,一段单目视频解锁任意运镜与「子弹时间」

SIGGRAPH 2026 | 无需训练,一段单目视频解锁任意运镜与「子弹时间」

SIGGRAPH 2026 | 无需训练,一段单目视频解锁任意运镜与「子弹时间」

给定一段普通单目视频,FreeOrbit4D 可沿任意指定相机轨迹「重拍」整个动态场景,包括影视级的「子弹时间」环绕镜头。

来自主题: AI技术研报
8195 点击    2026-06-25 15:01
首个长程Doc2Repo训练集!代码Agent不止修bug,开始造仓库

首个长程Doc2Repo训练集!代码Agent不止修bug,开始造仓库

首个长程Doc2Repo训练集!代码Agent不止修bug,开始造仓库

DeNovoSWE是一个用于训练代码智能体从零生成完整仓库的数据集,包含4818个真实任务实例。它通过结构化文档和严格验证机制,帮助智能体掌握复杂系统构建能力,而不仅仅是修复代码。这为代码智能体迈向更高阶的软件工程任务提供了关键支持。

来自主题: AI技术研报
9511 点击    2026-06-25 10:04
全球算力分布地图曝光:谁掌握能源,谁掌握AI未来

全球算力分布地图曝光:谁掌握能源,谁掌握AI未来

全球算力分布地图曝光:谁掌握能源,谁掌握AI未来

近日,国际能源研究机构AixEnergy发布《Market Outlook》报告,提出一个值得关注的判断:AI基础设施首先是一项能源决策,其次才是一项技术决策。报告认为,决定未来全球AI版图的关键因素,正从芯片、模型和算法,转向稳定、低成本且能够快速接入的能源系统。海湾国家凭借廉价电力迅速崛起,美国受制于电网瓶颈,中国则依托新能源和产业链优势加速布局,东南亚正试图成为新的算力高地。

来自主题: AI技术研报
9068 点击    2026-06-24 17:38
端侧跑大模型,现在也太简单了

端侧跑大模型,现在也太简单了

端侧跑大模型,现在也太简单了

最近,我们都在关注旗舰级大模型的进步,其实本地运行的 AI 模型也迎来了重要的分水岭。

来自主题: AI技术研报
8067 点击    2026-06-24 16:58
Claude惊人真相被教授曝光:思考过程加密,给钱也看不到!

Claude惊人真相被教授曝光:思考过程加密,给钱也看不到!

Claude惊人真相被教授曝光:思考过程加密,给钱也看不到!

当初,Anthropic推出extended thinking的时候,把它包装成「让用户看到思考过程」的透明标杆。现在真相是:你看到的只是他们允许你看到的部分。那些被加密、被压缩、被锁在全局密钥里的内容,藏着什么?

来自主题: AI技术研报
9909 点击    2026-06-24 16:36
Mimo Code 爆火:我们挖开源代码,找到小米 AI 的真创新

Mimo Code 爆火:我们挖开源代码,找到小米 AI 的真创新

Mimo Code 爆火:我们挖开源代码,找到小米 AI 的真创新

6 月 11 日凌晨,小米 MiMo 团队公开了一个叫 MiMo Code 的项目,定位是终端编程 Agent,MIT 协议开源。官方宣传重点有三处,14 天 5 人团队投入的“vibe coding”开发叙事、Claude Code 之上的 SWE-Bench Pro 跑分。以及“无限上下文”的记忆架构。

来自主题: AI技术研报
9775 点击    2026-06-24 16:35
直接从像素到单词:这个原生大模型统一单图、多图、视频和空间智能

直接从像素到单词:这个原生大模型统一单图、多图、视频和空间智能

直接从像素到单词:这个原生大模型统一单图、多图、视频和空间智能

今天几乎所有主流视觉语言模型(VLM)—— 无论是 Qwen-VL、InternVL,还是 LLaVA 系列 —— 都遵循着同一套经典架构:先用预训练视觉编码器(如 CLIP、SigLIP)将图像压缩为特征,再通过投影层把这些特征送入大语言模型。

来自主题: AI技术研报
7421 点击    2026-06-24 16:06