搜索
下一代创作软件比的不是模型能力，而是谁能把完整的创作流程跑通。 能让 Agent 从接到目标开始，一路协作推进到交付成品的系统，才是真正的竞争力。 OmniWork 是我们最近看到的明确在朝这个方向走的产品。它给自己的定位是「The Agent OS for Creative Work」，面向创作工作的 Agent 操作系统。
现在，图灵奖得主 Yoshua Bengio 给出了一份全新的并行方案。他们提出了 GRAM（Generative Recursive reAsoning Models，生成式递归推理模型），把确定性的递归潜在推理变成了概率性的多轨迹计算。模型在潜在空间中进行随机递归推理，每一步都可以采样不同的方向，最终形成对解空间的多路径探索。
据The Information昨晚报道，全球动力电池市场龙头宁德时代拟入局DeepSeek首轮融资。这是宁德时代在AI领域被曝出的最新布局。就在刚刚过去的一个半月内，宁德时代官宣斥资105亿元加码AI算电协同赛道，电力、算力、储能、AI一体化全产业链布局全面落地。
据The Information今日报道，两位知情人士透露，OpenAI今年第一季度的营收约为57亿美元（约合人民币387.7亿元），比其主要竞争对手Anthropic同期收入高出近10亿美元（约合人民币68亿元）。
AI办公彻底变天了！阿里QoderWork重磅发布全球首个AI Native自定义工作台，推出设计、PPT、写作三大领域模式。AI办公正式从「对话驱动」走向「领域驱动」。
xbench，就是红杉自己弄的那个中立评测lab，刚刚又整了个新活：让 AI 做药企的数据分析，跟人类实习生比个高低，然后遥遥领先的赢了
近年来，大语言模型在「写得长、写得顺」这件事上进步飞快。但当任务升级到真正复杂的推理场景 —— 需要兵分多路探索、需要自我反思与相互印证、需要在多条线索之间做汇总与取舍时，传统的链式思维（Chain-of-Thought）往往就开始「吃力」：容易被早期判断带偏、发散不足、自我纠错弱，而且顺序生成的效率天然受限。
在联邦学习中，如何同时兼顾模型性能、数据隐私和通信开销，是一个亟需解决的挑战。
在大模型后训练中，数据不再只是 “越多越好”，而是要像人类学习一样，动态选择最合适难度的样本。华为提出的 EDCO 方法，将样本难度估计与动态课程编排引入领域大模型微调；数月后，由 Rutgers、Amazon、Google 等作者参与的 DARE 论文即引用 EDCO，并将其作为难度感知强化学习训练的重要对比基线。
生成模型的偏好对齐，可能正在进入一个新的阶段。