RAG（检索增强生成）作为解决大模型"幻觉"和知识时效性问题的关键技术，已成为企业AI应用的主流架构。Contextual AI由RAG技术的创始研究者组建，致力于开发能应对复杂知识密集型任务的专业智能体。
最近，AI霸主英伟达市值突破了4万亿美元，成为全球最重要的股票之一。同样，黄仁勋造就了一个财富奇迹，从不善言辞的工程师，到财富超越巴菲特老爷子。
近日，ICCV 2025（国际计算机视觉大会）公布论文录用结果，理想汽车共有 8 篇论文入选，其中 3 篇来自基座模型团队。
今年初以 DeepSeek-r1 为代表的大模型在推理任务上展现强大的性能，引起广泛的热度。然而在面对一些无法回答或本身无解的问题时，这些模型竟试图去虚构不存在的信息去推理解答，生成了大量的事实错误、无意义思考过程和虚构答案，也被称为模型「幻觉」 问题，如下图（a）所示，造成严重资源浪费且会误导用户，严重损害了模型的可靠性（Reliability）。
不久前，《纽约客》杂志的一篇文章，系统性地阐述了对AI作为写作工具的忧虑。[1]文章的核心观点是，AI的高效内容生成能力，或许正在悄然催生一场“平庸化的革命”，它不仅改变着我们的写作方式，也可能让我们在语言表达和原创思维上，趋于某种程度的同质化。
你有没有发现，即使是最先进的AI系统，在面对复杂问题时仍然会给出令人沮丧的错误答案？问题往往不在于大语言模型本身，而在于它们根本找不到正确的信息。
Agent 的反义词是什么？
本文主要介绍 xML 团队的论文：Discrete Diffusion in Large Language and Multimodal Models: A Survey。
当前最强大的视觉语言模型（VLMs）虽然能“看图识物”，但在理解电影方面还不够“聪明”。
Agent能力每7个月翻一番！
