搜索
MrFlow（Multi-Resolution Flow Matching）就用这样的三阶段，在Qwen-Image等模型上把端到端生成时间从49.32s压到4.77s，实际加速10.35x。文章发布当日即登上Hugging Face Daily Papers；发布三天内，GitHub已收获200+stars；目前也已登上Hugging Face Trending Papers。
今天凌晨刷到Anthropic发了一篇研究。标题叫《A Global Workspace in Language Models》，语言模型中的全局工作空间。如果用一句最简单的话来说，那就是，Anthropic在Claude的大脑里，找到了一个暗房间。
具身智能数据的竞争，正在从“量大管饱”进入下一关。
走在风口浪尖，拥抱最新的技术。
Prompt还没退场，Loop已经开始接管AI叙事。
在世界模型这条路上，行业一直卡在一个几乎无解的矛盾里：想要更真实的长程模拟，就必须给模型更深的计算；可一旦把模型做得更深，部署成本、参数规模和误差累积又会迅速抬头。结果就是，大家都知道世界模型要 “想得更久”，却很难让它在现实系统里 “算得起、跑得稳”。
昨晚，美国开源AI初创公司Reflection AI宣布，已与SpaceXAI签署算力协议，将获得Colossus 2数据中心的额外算力支持，用于训练和迭代更强的开放模型。另据TechCrunch报道，Reflection AI将从2026年7月1日起，每月支付1.5亿美元（约合人民币10.2亿元），
谷歌老兵干了七年，结果因为写了个2.8万星的CLI工具，人被开了。
什么？就因为做出了一个谷歌用户真正想要的工具，谷歌解雇了自家一位工程师。
据悉，AI 推理芯片公司上海淬思科技有限公司（Trace Intelligence，以下简称“淬思”）近日完成孵化轮融资，砺思资本（Monolith）与启盈同创基金联合领投。本轮资金将用于首款面向智能体（Agent）推理的专用芯片研发与流片，以及核心团队扩充。