搜索
近日，新加坡国立大学 Minghui Guo 与牛津大学 Shengqiong Wu、Hao Fei 在论文《V-RAE: Rethinking Video Latent Spaces for Generation》中提出视频表征自编码器 V-RAE。该方法以冻结的视觉基础模型为编码器，通过轻量级时间池化压缩视频特征，并将具有丰富语义和时间连续性的表征直接用于视频重建、生成与未来预测。
“你以为你买的是 DeepSeek Flash，实际上可能是个 1.5 bit 的 DeepSeek，或者里面掺了 Opus 用于训练。”这是 Pi 核心贡献者 Armin Ronacher 的一个比喻。他形容现在的 token 市场像一种成分不明的商品——量化程度、实际版本、是否掺了别的东西、计费方式，全是黑洞。
最近两天，X 上网友 Max For AI@MaxForAI 的一篇帖子引发了网友热议：「太疯狂了 —— 现在你甚至可以直播围观一个 535B 大模型是如何被训练出来的。」
同样的模型，同样的任务，让它执行五遍，再让他自己挑一遍最稳的，效果能有多大提升？斯坦福把这套玩法用在了AI身上，DeepSeek V4 Flash在Terminal-Bench 2.1的成绩从79%一路涨到88%，反超了尖子生Fable 5。而且连做五遍加挑选这一通折腾，价格依然比Fable 5便宜了4-11倍。
今年8月，谷歌首席科学家Jeff Dean宣布离职，创办AI4S公司Discovery Loop。
近来文生图模型发展迅速，但每篇工作多是独立地引入一整套模型、数据和训练设计，然后用私有的数据训出来了一个亮眼的模型。
真正的智能，在于能否基于有限的数据，实现可靠的泛化与迁移。
自打AI内容生成出现，到现在，已经快3年了。上半场大家比的是谁更会用AI生成内容。现在到了下半场，已经是各家公司开始比谁能用AI来防AI内容了。后面，你会看到一个魔幻的场面：平台先花费重金训练AI，用AI生成海量内容。
香港大学、香港科技大学与腾讯 ARC Lab 联合提出 SCoPE（Sightline-Coordinate Positional Encoding），一套面向视频 DiT 的射线空间位置编码：让视频模型处理位置关系的基底从张量网格转向射线空间。
AI 催生了许多新产业，今天分享的就是其中之一。今年5月，一名来自 WIRED 的记者做了一个有点奇怪的兼职。他把 iPhone 固定在头上，确保镜头能拍到自己的两只手，然后开始录自己：不是为了拍短视频。