搜索
一篇题为「New Junior Developers Can’t Actually Code」的博文炸开了锅。资深码农Namanyay对AI工具在软件开发中的广泛应用表达了忧虑——AI正在让新一代开发者跳过基础知识的学习，沦为「复制粘贴（CV）工程师」。这篇文章迅速蹿红，引发了包括马斯克在内的众多业内大佬的热议。
Google Fellow吴永辉博士离职谷歌，正式加入字节跳动，未来将专注于AI基础研究。这位在谷歌深耕17年AI老将，曾主导了神经机器翻译、RankBrain等突破性项目。
在人工智能高速发展的今天，我们似乎迎来了一个"假设爆炸"的时代。大语言模型每天都在产生数以万计的研究假设，它们看似合理，却往往难以验证。这让我不禁想起了20世纪最具影响力的科学哲学家之一——卡尔·波普尔。
OpenAI与微软的关系出现严重裂痕，主要原因是微软开始开发自己的大型语言模型，并聘请了Mustafa Suleyman，并且OpenAI首次使用非微软的数据中心。
GitHub上一个开源项目彻底打破门槛：只需3块钱、2小时，普通人也能从零训练自己的语言模型！项目“MiniMind”上线即爆火，狂揽8.9k星标，技术圈直呼：“这才是AI民主化的未来！”
高盛认为，腾讯通过其强大的C端生态和用户体验，将AI技术深度融入到日常生活中。元宝的快速崛起，正是腾讯在AI应用领域强大实力的体现。
过去一年多（直到春节前）的担忧，是不愿意花钱，市场不断强调通缩的恶果，学者不断强调改善基本福利以提升内需的必要性。总而言之，都是建言尽快花钱。争论在于，更多地花在哪里。犹豫的是，花在地产上，继续走老路；直接发钱，持续性不够。
DeepSeek啥都开源了，就是没有开源训练代码和数据。现在，开源RL训练方法只需要用1/30的训练步骤就能赶上相同尺寸的DeepSeek-R1-Zero蒸馏Qwen。
OpenAI o1和DeepSeek-R1靠链式思维（Chain-of-Thought, CoT）展示了超强的推理能力，但这一能力能多大程度地帮助视觉推理，又应该如何细粒度地评估视觉推理呢？
在大语言模型领域中，预训练 + 微调范式已经成为了部署各类下游应用的重要基础。在该框架下，通过使用搭低秩自适应（LoRA）方法的大模型参数高效微调（PEFT）技术，已经产生了大量针对特定任务、可重用的 LoRA 适配器。