搜索
REG 是一种简单而有效的方法，仅通过引入一个 class token 便能大幅加速生成模型的训练收敛。其将基础视觉模型（如 DINOv2）的 class token 与 latent 在空间维度拼接后共同加噪训练，从而显著提升 Diffusion 的收敛速度与性能上限。在 ImageNet 256×256 上，
刚刚，一个名为 Whisper Thunder (aka) David 的神秘模型登上了 Artificial Analysis 视频榜榜首，超越了 Veo 3、Veo 3.1、Kling 2.5 以及 Sora 2 Pro 等目前市面上所有公开的 AI 视频模型。
特朗普按下「创世纪」按钮之时，美国举国豪赌「AI曼哈顿计划」！白宫给它起名叫——美国创世纪计划（US Genesis Mission）： 让AI直接参与提出科学假设、设计实验、分析数据，让「AI科学家」加速科研创新。
对初创公司来说，Superlinear（指数引力）的第一个业务 Deeplink 堪称成功：去年成立，今年的 ARR（年经常性收入) 就达到 500 万美元；且已经实现盈利。但创始人于北川并不打算在这个业务上继续重点投入，而是带领核心团队，全力转向了一款新产品 Lessie AI。
Xsignal AI Holo（AI 全息）数据库显示，中国移动互联网的AI落地已彻底分化为两条路径：以微信、抖音的AI搜索为代表的“AI Overview (AIO)”旨在筑起认知的长城，将决策锁定在生态内部；而以QQ浏览器QBot为代表的“Agent in App (AIA)”则正演变为主动式的“数字员工”，重构服务分发的主权。
今天读了 Aha（原 Head AI）的两篇博客文章，我强烈建议所有做 AI 工具或者 AI ToB 产品的同学都读一读。https://aha.inc/university?universityType=Aha+insights&utm_source=inf001这里有他们对 AI 产品边界的理解，也有很多工程和系统层面的实操细节。
具身智能赛道又迎来新的融资消息。
前两天，Google发了一个非常有趣的论文： 《Nested Learning: The Illusion of Deep Learning Architectures》
AI的热度没降过，但进场的人越来越焦虑。Business Insider采访了16个已经进入AI行业的人：有的刚毕业，有的中途转行，有的靠自学。他们的经历告诉我们，没人天生懂AI，大多数人都是边干边学、边试边错。
扩散概率生成模型（Diffusion Models）已成为AIGC时代的重要基础，但其推理速度慢、训练与推理之间的差异大，以及优化困难，始终是制约其广泛应用的关键问题。近日，被NeurIPS 2025接收的一篇重磅论文EVODiff给出了全新解法：来自华南理工大学曾德炉教授「统计推断，数据科学与人工智能」研究团队跳出了传统的数值求解思维，首次从信息感知的推理视角，将去噪过程重构为实时熵减优化问题。