搜索
红杉资本连续三年关注AI应用的盈利压力，指出当前AI市场规模已达万亿美元但面临挑战：智能体技术受限于串行任务瓶颈，行业渗透率差异显著，初创企业需深耕垂直领域或整合人工环节。大模型厂商向下游扩张挤压初创空间，部分企业通过收购强化竞争力，AI应用需从工具转向交付结果以突破盈利困境。
字节拿出了国际顶尖水平的视觉–语言多模态大模型。
Qwen3技术报告新鲜出炉，8款模型背后的关键技术被揭晓！
随着生成式人工智能技术的飞速发展，合成数据正日益成为大模型训练的重要组成部分。未来的 GPT 系列语言模型不可避免地将依赖于由人工数据和合成数据混合构成的大规模语料。
一年之内，大模型推理训练可能就会撞墙。
在多模态大模型快速发展的当下，如何精准评估其生成内容的质量，正成为多模态大模型与人类偏好对齐的核心挑战。然而，当前主流多模态奖励模型往往只能直接给出评分决策，或仅具备浅层推理能力，缺乏对复杂奖励任务的深入理解与解释能力，在高复杂度场景中常出现 “失真失准”。
AI大模型“六小虎”之一的月之暗面，近期对AI医疗产品进行了布局，用于提升旗下产品Kimi在专业领域的搜索质量，并且探索Agent等产品方向。针对上述信息，月之暗面回应《智能涌现》：Kimi近期持续在优化财经、法律、医学等专业领域的搜索信源质量，希望给用户提供更可信、可靠的高质量回答。
还记得刘慈欣在《全频带阻塞干扰》中描绘的耀斑爆发吗？
“先推理、再作答”，语言大模型的Thinking模式，现在已经被拓展到了图片领域。
当训练成本飙升、数据枯竭，如何继续激发大模型潜能？