搜索
当下主流的视觉语言模型（Vision-Language Models, VLM），通常都采用这样一种设计思路：将预训练的视觉编码器与大语言模型通过投影层拼接起来。这种模块化架构成就了当前 VLM 的辉煌，但也带来了一系列新的问题——多阶段训练复杂、组件间语义对齐成本高，不同模块的扩展规律难以协调。
大脑并非一个被动存储和读取的硬盘，而是一个主动预测和生成认知的系统。智力的本质始终在于主动加工，而非被动存储。在AGI时代，我认为“智慧即才华”。就是清楚地知道想要实现的目标，以及实现它的路径，这就是AGI时代的才华。
今夜，英伟达再次创造历史！受GTC大会的影响，英伟达股价上涨4.15%，成为首家市值突破5万亿美元的AI公司！这是一个前所未有的里程碑，不仅是英伟达，不仅是GPU芯片，更是AI时代的里程碑。
最新进展，Cursor 2.0正式发布，并且首次搭载了「内部」大模型。 没错，不是GPT、不是Claude，如今模型栏多了个新名字——Composer。实力相当炸裂：据官方说法，Composer仅需30秒就能完成复杂任务，比同行快400%
DeepSeek-OCR这段时间非常火，但官方开源的文件是“按 NVIDIA/CUDA 习惯写的 Linux 版推理脚本+模型权重”，而不是“跨设备跨后端”的通吃实现，因此无法直接在苹果设备上运行，对于Mac用户来说，在许多新模型诞生的第一时间，往往只能望“模”兴叹。
强化学习是近来 AI 领域最热门的话题之一，新算法也在不断涌现。
Anthropic深夜又放猛招！Claude直接以插件形态接入Excel，不仅能直接操作和读取数据，还能定位单元格内容，并给出修改理由。
刚刚，这样一个消息在 Reddit 上引发热议：硅谷似乎正在从昂贵的闭源模型转向更便宜的开放源替代方案。
对于机器人来说，世界模型真的有必要想象出精确的未来画面吗？在一篇新论文中，来自华盛顿大学、索尼 AI 的研究者提出了这个疑问。
在当前评测生成式模型代码能力的浪潮中，传统依赖人工编写的算法基准测试集，正日益暴露出可扩展性不足与数据污染严重两大瓶颈。