随着AI浪潮的袭来，笔者本人以及团队都及时的调整了业务方向，转型为一名AI开发者和AI产品开发团队，常常需要微调大模型注入业务场景依赖的私域知识，然后再把大模型部署上线进行推理，以支撑业务智能体或智能问答产品的逻辑流程。
摩尔线程 AI 算力本（MTT AIBOOK）是专为 AI 学习与开发者打造的个人智算平台。它搭载自研智能 SoC 芯片「长江」，提供 50TOPS 异构 AI 算力，支持混合精度计算。运行基于 Linux 内核的 MT AIOS 操作系统，具备多系统兼容能力，并预置完整 AI 开发环境与工具链。
“全局交互” 几乎等同于 self-attention：每个 token 都能和所有 token 对话，效果强，但代价也直观 —— 复杂度随 token 数平方增长，分辨率一高就吃不消。现有方法大多从 “相似度匹配” 出发（attention），或从 “扩散 / 传导” 出发（热方程类方法）。但热方程本质上是一个强低通滤波器：随着传播时间增加，高频细节（边缘、纹理）会迅速消失，导致特征过平滑。
上下文分割（In-Context Segmentation）旨在通过参考示例指导模型实现对特定目标的自动化分割。尽管 SAM 凭借卓越的零样本泛化能力为此提供了强大的基础，但将其应用于此仍受限于提示（如点或框）构建，这样的需求不仅制约了批量推理的自动化效率，更使得模型在处理复杂的连续视频时，难以维持时空一致性。
1 月 14 日下午，Thinking Machines Lab 正在召开全员大会。CEO Mira Murati 站在前面，宣布了一个令所有人震惊的消息：公司已解除联合创始人兼首席技术官 Barret Zoph 的职务，原因是“不道德行为”。会议还没结束，公司 Slack 上又炸了两颗雷，另一位联合创始人 Luke Metz 和创始团队成员 Sam Schoenholz 几乎同时发帖宣布离职。
香港大学（The University of Hong Kong）与 Adobe Research 联合发布 Self-E（Self-Evaluating Model）：一种无需预训练教师蒸馏、从零开始训练的任意步数文生图框架。其目标非常直接：让同一个模型在极少步数也能生成语义清晰、结构稳定的图像，同时在 50 步等常规设置下保持顶级质量，并且随着步数增加呈现单调提升。
继奥特曼在 OpenAI 的「宫斗」大戏后，他的老搭档 Mira 这周的经历也够拍一部电视剧了。我们报道了前 OpenAI CTO Mira Murati 创办的 Thinking Machines Lab 出现重大人事变动的消息：联合创始人兼 CTO Barret Zoph 被解雇，另一位联创 Luke Metz 以及创始团队成员 Sam Schoenholz 也一起离开
估值 120 亿美元的明星 AI 公司，创业没几年就把首任 CTO 给开了。就在刚刚，前 OpenAI CTO、Thinking Machines Lab 创始人 Mira Murati 在社交媒体上发了条措辞相当严厉的声明：
感谢AI！
今早，媒体人Kylie Robison在社交平台X上发文称，据两位知情人士消息，由前OpenAI首席技术官Mira Murati共同创立的知名AI创企Thinking Machines Lab已解雇其首席技术官Barret Zoph，因其“不道德行为”。
