AI视频生成正在迎来“通义时刻”！ 就在昨夜，阿里突然发布了一款由音频驱动的14B视频模型Wan2.2-S2V—— 仅需一张图片和一段音频，即可生成面部表情自然、口型一致、肢体动作丝滑的电影级数字人视频。
一直以来，Anthropic 的 Claude 被认为是处理编程任务的最佳模型，尤其是本月初发布的 Claude Opus 4.1，在真实世界编程、智能体以及推理任务上表现出色。其中在软件编程权威基准 SWE-bench Verified 测试中，Claude Opus 4.1 相较于前代 Opus 4 又有提升，尤其在多文件代码重构方面表现出显著进步。
大家好，这里是歸藏（guizang），今天教大家如何最大程度发掘最强图片编辑模型 Nano Banana 的潜力。
爆火的神秘图像编辑模型nano-banana，终于脱掉了“香蕉皮”！ 就在今天，谷歌官方认领，并表明这个模型其实是Gemini 2.5 Flash Image。
人工智能的浪潮正将我们推向一个由 RAG 和 AI Agent 定义的新时代。然而，要让这些智能体真正「智能」，而非仅仅是信息的搬运工，就必须攻克一个横亘在所有顶尖团队面前的核心难题。这个难题，就是推理密集型信息检索（Reasoning-Intensive IR）。
人类和AI在工作中如何协作？耶鲁和南大的研究人员合作的这篇论文讲清楚了。 这篇论文提出了一个数学框架，通过把工作技能拆分成两个层次来解释这个问题
刚刚，又一个人工智能国际顶会为大模型「上了枷锁」。 ICLR 2025 已于今年 4 月落下了帷幕，最终接收了 11565 份投稿，录用率为 32.08%。
尽管 LLM 的能力与日俱增，但其在复杂任务上的表现仍受限于静态的内部知识。为从根本上解决这一限制，突破 AI 能力界限，业界研究者们提出了 Agentic Deep Research 系统，在该系统中基于 LLM 的 Agent 通过自主推理、调用搜索引擎和迭代地整合信息来给出全面、有深度且正确性有保障的解决方案。
只用一周，一个相当于人类20年经验的“数字技术工人”——基于时序大模型和Agent的智能体，就能直接上岗。
人工智能正在吟诗作画，我们人类却在打扫卫生。 这句话几乎描述出了今天所有人对AI的困惑，一边是模型底层技术的突破，另一边却是AI进入真实世界后的无力感。一个验证码能摧毁一个压缩全世界知识的AI大脑，一个垃圾桶能绕晕一个拥有30多个自由度的人形机器人。
