苹果发现原生多模态模型Scaling Laws：早融合优于后融合，MoE优于密集模型
苹果发现原生多模态模型Scaling Laws：早融合优于后融合，MoE优于密集模型让大模型进入多模态模式，从而能够有效感知世界，是最近 AI 领域里人们一直的探索目标。
来自主题: AI技术研报
8846 点击 2025-04-16 14:01
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
让大模型进入多模态模式，从而能够有效感知世界，是最近 AI 领域里人们一直的探索目标。
科技媒体 maginative 今天（4 月 16 日）发布博文，报道称 OpenAI 宣布收购 Context.ai团队，后者是一家由 GV 支持的初创公司，以评估和分析 AI 模型见长。Context.ai的联合创始人 Henry Scott-Green（首席执行官）和 Alex Gamble（首席技术官）将加入 OpenAI，专注于研发模型评估工具。
就在刚刚，据外媒 The Verge 援引知情人士消息称，OpenAI 正在研发一个类似 X（前 Twitter）的社交网络。 项目还处于早期阶段，但据称内部已完成原型开发 2️⃣ 项目重点是 ChatGPT 的图像生成功能和社交信息流 3️⃣ CEO Sam Altman 已私下向圈外人征求反馈
Claude于今日凌晨推出新的功能，将ReSearch和 Google Workspace 集成、以及把电子邮件、日历和文档与 Claude 相关联，claude可以在工作环境和联网环境下借助Research快速作出决策和行动。
两个月后就号称要淘汰GPT-4.5的GPT-4.1，实力究竟如何？在众多实测中，它的表现的确可圈可点，但却依然打不过Gemini 2.5 Pro和Claude 3.7 Sonnet。那么问题来了，OpenAI为何要发布一个远远落后于谷歌的模型？
刚出道的 HiDream-I1，拿下了 Hugging Face 趋势榜第二（图像榜第一），Artificial Analysis 文生图第二，排在Midjourney、Google Imagen、FLUX、SDXL 之前，仅次于 GPT-4o 。
今天凌晨，OpenAI 发布了新模型 GPT-4.1，相对比 4o，GPT-4.1 在编程和指令遵循方面的能力显著提升，同时还宣布 GPT-4.5 将会在几个月后下线。不少人吐槽 OpenAI 让人迷惑的产品发布逻辑——GPT-4.1 晚于 4.5 发布，以及混乱的模型命名，这些问题，都能在 OpenAI CPO Kevin Weil 最近的一期播客访谈中得到解答。
继 BrowserUse 和 ComputerUse 席卷 AI 自动化领域后，手机操作类项目终于迎来重磅选手：DroidRun！开源 AI 手机操作神器，解锁 Android 自动化新时代！
要理解上半场，看看它的赢家。你认为到目前为止最有影响力的 AI 论文是哪些？我尝试了斯坦福大学 224N 课程的测验，答案并不令人惊讶：Transformer、AlexNet、GPT-3 等等。这些论文有什么共同点？它们提出了一些训练更好模型的基本突破。但同样，它们通过在一些基准测试上展示一些（显著的）改进来发表论文。
早在去年10月底IBM推出了PDL声明式提示编程语言，本篇是基于PDL的一种对Agent的自动优化方法，是工业界前沿的解决方案。当你在开发基于大语言模型的Agent产品时，是否曾经在提示模式选择和优化上浪费了大量时间？在各种提示模式（Zero-Shot、CoT、ReAct、ReWOO等）中选择最佳方案，再逐字斟酌提示内容，这一过程不仅耗时，而且常常依赖经验和直觉而非数据驱动的决策。