过去几年，AI 行业几乎把所有注意力都投向了“会不会想”：更强的推理、更大的模型、更快的生成。但在真实世界里，很多问题并不是想不想得出来，而是你到底记不记得发生过什么——尤其是视频。
文本摘要作为自然语言处理（NLP）的核心任务，其质量评估通常需要兼顾一致性（Consistency）、连贯性（Coherence）、流畅性（Fluency）和相关性（Relevance）等多个维度。
LaST₀团队 投稿 量子位 | 公众号 QbitAI 近日，至简动力、北京大学、香港中文大学、北京人形机器人创新中心提出了一种名为LaST₀的全新隐空间推理VLA模型，在基于Transformer混
近年来，Vision-Language Models（视觉 — 语言模型）在多模态理解任务中取得了显著进展，并逐渐成为通用人工智能的重要技术路线。然而，这类模型在实际应用中往往面临推理开销大、效率受限的问题，研究者通常依赖 visual token pruning 等策略降低计算成本，其中 attention 机制被广泛视为衡量视觉信息重要性的关键依据。
今天推荐一个 Implicit Chain-of-Thought（隐式推理） 的最新进展 —— SIM-CoT（Supervised Implicit Chain-of-Thought）。它直击隐式 CoT 一直「扶不起来」的核心痛点：隐式 token 一旦 scale 上去，训练就容易塌缩到同质化的 latent 状态，推理语义直接丢失。
我最近的快乐来自一篇名为《Dokie：被 AI 点亮的方式，可以不仅仅是因为效率》的文章：
Attention真的可靠吗？
刚刚，英伟达杰出工程师许冰（Bing Xu）在 GitHub 上开源了一个新项目 VibeTensor，让我们看到了 AI 在编程方面的强大实力。从名字也能看出来，这是 Vibe Coding 的成果。事实也确实如此，这位谷歌学术引用量超 20 万的工程师在 X 上表示：「这是第一个完全由 AI 智能体生成的深度学习系统，没有一行人类编写的代码。」
AI 推理基础设施公司 Baseten 近日完成一轮 3 亿美元的成长型融资，投后估值约 50 亿美元。与不到六个月前的一轮重要融资相比，公司估值几乎翻倍。 这一交易清晰地表明，在大模型训练之外，推理
“全局交互” 几乎等同于 self-attention：每个 token 都能和所有 token 对话，效果强，但代价也直观 —— 复杂度随 token 数平方增长，分辨率一高就吃不消。现有方法大多从 “相似度匹配” 出发（attention），或从 “扩散 / 传导” 出发（热方程类方法）。但热方程本质上是一个强低通滤波器：随着传播时间增加，高频细节（边缘、纹理）会迅速消失，导致特征过平滑。
