2024又是AI精彩纷呈的一年。LLM不再是AI舞台上唯一的主角。随着预训练技术遭遇瓶颈，GPT-5迟迟未能问世，从业者开始从不同角度寻找突破。以o1为标志，大模型正式迈入“Post-Training”时代；开源发展迅猛，Llama 3.1首次击败闭源模型；中国本土大模型DeepSeek V3，在GPT-4o发布仅7个月后，用 1/10算力实现了几乎同等水平。
2025年被很多人视为 Agent 之年，确实值得多关注。今天分享的这篇，应该是全网关于Agent话题最深入的讨论了，大概没有之一，从前沿研究、交互设计到产品落地，全文超过三万字，一篇看明白。
对于 LLM，推理时 scaling 是有效的！这一点已经被近期的许多推理大模型证明：o1、o3、DeepSeek R1、QwQ、Step Reasoner mini……
划时代的突破来了！来自NYU、MIT和谷歌的顶尖研究团队联手，为扩散模型开辟了一个全新的方向——测试时计算Scaling Law。其中，谢赛宁高徒为共同一作。
马斯克建超算速度，被中国这家公司用120天复刻了。119个集装箱，像搭积木一样拼出一座算力工厂。这不是科幻电影，而是浪潮信息交付的惊艳答卷。一个全新的AI时代，正在这里拉开序幕。
据 The Information 报道，总部位于旧金山的 AI 软件测试公司 Ranger 在 12 月获得了由General Catalyst领投的 650 万美元种子轮融资，以及在 2023 年 11 月获得的由XYZ领投的 240 万美元前种子轮融资。
来了，国内首个对标AlphaFold3的产品—— HelixFold3，来自百度智能云与百度螺旋桨团队。
本文介绍了一篇由浙江大学章国锋教授和商汤科技研究团队联合撰写的论文《StarGen: A Spatiotemporal Autoregression Framework with Video Diffusion Model for Scalable and Controllable Scene Generation》。
大模型低精度训练和推理是大模型领域中的重要研究方向，旨在通过降低模型精度来减少计算和存储成本，同时保持模型的性能。因为在大模型研发成本降低上的巨大价值而受到行业广泛关注 。
蛋白质是生物体中非常重要的功能性分子，它们的形成过程经过了数十亿年的自然选择和进化。在这一过程中，蛋白质的序列和结构经过无数次随机突变，并通过生物系统的选择机制进行筛选，最终形成那些具有特定生物学功能的蛋白质。
