印度，第一个被AI 做空的国家
印度，第一个被AI 做空的国家如果要在全球市场上找一个交易标的，能最纯粹地表达“AI替代人类白领”这个叙事，答案既在纳斯达克的多头名单里，也在孟买交易所的空头名单上。前者是英伟达，后者是印度Nifty IT指数。
来自主题: AI资讯
8886 点击 2026-07-09 20:42
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
如果要在全球市场上找一个交易标的，能最纯粹地表达“AI替代人类白领”这个叙事，答案既在纳斯达克的多头名单里，也在孟买交易所的空头名单上。前者是英伟达，后者是印度Nifty IT指数。
前些天，Gemini 核心贡献者、Blueshift 团队负责人 Adam Brown 近日在圆周理论物理研究所的长篇演讲《训练沙子思考：通用人工智能与物理学的未来》吸引了广泛关注。在该演讲中，他讲述自己如何亲眼看着 AI 从「幼儿园水平」一路狂奔到博士水平，并由此推演：如果趋势延续，物理学会变成什么。
来自西湖大学和香港中文大学（深圳）的团队沿着这一思路提出 Drifting Preference Optimization（DrPO），把漂移场用于单步文生图模型的偏好后训练。在 DrPO 中，奖励只负责对候选图像排序，不参与反向传播。具体而言，针对同一个文本提示词，当前模型生成一组候选图像。高分样本在特征空间中产生吸引，低分样本产生排斥，并结合参考模型约束给出模型的更新方向。
在多模态大模型（MLLM）快速发展的浪潮中，融合多模型 “集体智慧” 已成为提升模型性能的关键路径，并催生了多教师知识蒸馏这一主流范式。然而，不同来源的教师模型在架构与优化上的差异，其在相似推理过程中呈现出不稳定甚至偏移的认知轨迹，即 “概念漂移”（Concept Drift）。
2015 年，Spotify 推出了蓝色对勾。那时候验证的意思很简单：这个账号真的是 Taylor Swift 本人，不是粉丝自建页面。十年后，Spotify 又推出了一个新徽章，绿色的。这一次要说明的是，「这是个真人账号」。
邓明扬现为 MIT 博士生，师从何恺明，主要研究生成模型。本科期间，他在 MIT 学习数学与计算机科学，也曾在 DeepMind 和 Meta 实习。更早之前，他曾获得 IMO 金牌和 IOI 金牌。2026 年，他以第一作者发表了 Drifting Models，尝试探索一种不同于传统路径的生成建模思路。
一段几十秒的音视频，上万Token，一半以上是冗余——Omni-LLM的计算浪费，比想象中更严重。
训练一个生成模型是很复杂的一件事儿。 从底层逻辑上来看，生成模型是一个逐步拟合的过程。与常见的判别类模型不同，判别类模型通常关注的是将单个样本映射到对应标签，而生成模型则关注从一个分布映射到另一个分布。
目前，人形机器人已经能在现实中跳舞、奔跑、甚至完成后空翻。但接下来更关键的问题是：这些系统能否在部署之后持续地进行强化学习 —— 在真实世界的反馈中变得更稳定、更可靠，并在分布不断变化的新环境里持续适应与改进？
刚刚，何恺明团队提出全新生成模型范式漂移模型（Drifting Models）。