看到朋友在网上的分享： 用Deep Research 的时候就怕在研究来源中看到ZHIHU、SINA、CSDN 这样的网址，这简直就是报告结果的灾难！ 垃圾进 垃圾出。。 在大模型还没有进化出反思修正和推理新知识能力的时候，务必屏蔽掉低质量信息源，AI无脑文越演越烈。
知名科技记者马克·古尔曼（Mark Gurman）撰文表示，苹果公司正准备允许第三方开发者使用其人工智能模型编写软件，旨在推动新应用的开发，并提升其设备的吸引力。知情人士透露，苹果正在开发一套软件开发工具包（SDK）及相关框架，以便外部开发者能够基于苹果的大语言模型构建AI功能。这一计划预计将在6月9日的全球开发者大会（WWDC）上公布。
北京时间今天凌晨 1 点，今年的 Google I/O 2025 开发者大会正式开启。谷歌最近的大模型技术风头正劲，今年的这场「科技春晚」吸引了全球关注的目光。没有意外，今年的核心主题自然是 AI。会上，谷歌发布或升级了一系列 AI 相关工具和服务，如下图所示。
各位有没有发现，最近大家对大模型已经有些看麻了？反正我是看到相关话题的文章流量、社交平台上的热度，对模型的关注度明显有点降下来了。 比如最近 Qwen3、Gemini2.5、GPT-4.1 和 Grok-3 等这么密集的有明显新进展的优秀模型发布，要是放到 2 年前，铁定是个炸裂的一个月。
「三个点电荷 + Q、-2Q 和 + 3Q 等距放置，哪个向量最能描述作用在 + Q 电荷上的净电力方向？」
拷打AI的难度还在升级？这不，图像推理又出现了新难题。
微软最近与Salesforce Research联合发布了一篇名为《Lost in Conversation》的研究，说当前最先进的LLM在多轮对话中表现会大幅下降，平均降幅高达39%。这一现象被称为对话中的"迷失"。文章分析了各大模型（包括Claude 3.7-Sonnet、Deepseek-R1等）在多轮对话中的表现差异，还解析了模型"迷失"的根本原因及有效缓解策略。
理想中的多模态大模型应该是什么样？十所顶尖高校联合发布General-Level评估框架和General-Bench基准数据集，用五级分类制明确了多模态通才模型的能力标准。当前多模态大语言模型在任务支持、模态覆盖等方面存在不足，且多数通用模型未能超越专家模型，真正的通用人工智能需要实现模态间的协同效应。
AI能写论文、画图、考高分，但连「看表读时间」「今天是星期几」都错得离谱？最新研究揭示了背后惊人的认知缺陷，提醒我们：AI很强大，但精确推理还离不开人类。
随着大模型的参数规模不断扩大，分布式训练已成为人工智能发展的中心技术路径。
