蛋白质大模型的最新突破，来自中国！最近，百奥几何「悄悄地」发布了新一代全场景原子级蛋白质基础大模型GeoFlow V3，给全球同行们树了一个新榜样。当其他模型还在“卷规模”的时候，GeoFlow V3选择了一条不同的路线——首次将多步推理引入蛋白质设计，让模型具备“自我评估、自主进化”的能力。
今天，北京智源人工智能研究院（BAAI）重磅发布了其多模态系列模型的最新力作 —— 悟界・Emu3.5。这不仅仅是一次常规的模型迭代，Emu3.5 被定义为一个 “多模态世界大模型”（Multimodal World Foudation Model）。
家人们，不知道你有没有试过，在和 AI 聊天时，冷不丁地问一句： “你刚刚在想什么？”
用 iPhone 本地跑大模型已经不是新鲜事了，但能不能在 iPhone 上微调模型呢？
近年来，基于扩散模型的图像生成技术发展迅猛，催生了Stable Diffusion、Midjourney等一系列强大的文生图应用。然而，当前主流的训练范式普遍依赖一个核心组件——变分自编码器（VAE），这也带来了长久以来困扰研究者们的几个问题：
随着文图生成模型的广泛应用，模型本身有限的安全防护机制使得用户有机会无意或故意生成有害的图片内容，并且该内容有可能会被恶意使用。现有的安全措施主要依赖文本过滤或概念移除的策略，只能从文图生成模型的生成能力中移除少数几个概念。
大语言模型（LLM）虽已展现出卓越的代码生成潜力，却依然面临着一道艰巨的挑战：如何在有限的计算资源约束下，同步提升对多种编程语言的理解与生成能力，同时不损害其在主流语言上的性能？
这次不仅发布自研编码模型Composer，还重构了IDE交互逻辑，可以最多8个智能体同时跑，早期测试和开发者都说Cursor 2.0真的太快了。Composer的速度是同等模型的4倍。Cursor说这是一款专门为低延迟智能编码打造的模型，大部分任务都可以在30秒以内完成。
杨红霞要走一条和阿里、字节截然不同的模型训练之路。
具身智能赛道的想象力，远比眼前的机器人要辽阔。
