搜索
随着大模型参数规模持续扩大，推理成本已经成为生产级 LLM 服务的核心瓶颈。投机解码（Speculative Decoding, SD）通过「小模型 draft + 大模型 verify」的方式，将多个候选 token 放到一次目标模型前向中并行验证，从而缓解自回归解码的串行瓶颈。
用强化学习（RL）优化文生图模型的 prompt following 能力，是一条被广泛验证的路径 —— 让模型根据 prompt 用不同随机种子生成多张图片，通过 reward model 计算 reward，再利用相关 RL 算法优化模型。
UniPat AI 做了一件事：让 AI 去预测还没发生的事，比如下个月哪家公司市值最高、某国会不会对另一个国家加关税、某个政客会不会在社交媒体上发超过 100 条帖子
大模型能否预测未来？UniPat AI构建了一套完整的预测智能基础设施，Echo，包含动态评测引擎、面向未来事件的训练范式和预测专用模型EchoZ-1.0。在其公开的General AI Prediction Leaderboard上，EchoZ-1.0稳居第一，并在与Polymarket人类交易市场的直接对比中展现出显著优势。
近日，来自 NatureSelect（自然选择）的研究团队 Team Echo 发布了首个情感大模型 Echo-N1，提出了一套全新的「情感模型训练方法」，成功将 RL 用在了不可验证的主观情感领域。仅 32B 参数的 Echo-N1，在多轮情感陪伴任务中胜率（Success Rate）达到 46.7%。作为对比，
2025年9月17日，中国科学院香港创新研究院人工智能与机器人创新中心（CAIR）在香港正式开源发布其最新科研成果——EchoCare“聆音”超声基座大模型（简称“聆音”）。该模型基于超过450万张、涵盖50多个人体器官的大规模超声影像数据集训练而成，在器官识别、器官分割、病灶分类等10余项典型超声医学任务测试中表现卓越，性能全面登顶。
随着生成式人工智能技术的快速发展，大语言模型 (LLM) 正逐步成为推动智能设备升级的核心力量。乐鑫科技携手火山引擎扣子大模型团队，共同推出智能 AI 开发套件 —— EchoEar（喵伴）。该套件以端到端开发为核心理念，构建起从硬件接入、智能体构建到生态联动的一站式开发流程，为开发者提供了一条高效、开放、具备可复制性的落地路径。
AI陪伴赛道持续火热...... 在当前的泛娱乐领域，头部应用如TT语音和Soul已经成功地将AI技术融入其平台，推出了诸如AI分身、AI宠物以及AI伴侣等创新玩法。
从2014年亚马逊开创性推出Amazon Echo开始，智能音箱横空出世。一开始的智能音箱，也只是有个“嘴”，只能实现播放音乐、查询信息、设置提醒等功能。
今年年初网易有道发布 基于 “子曰”教育大模型研发的三大创新应用及一款智能硬件新品：AI家庭教师“小P老师”、有道速读、虚拟人口语私教Hi Echo 2.0、有道AI学习机X20 后。