2025年11月，GeneralistAI發(fā)布的GEN0模型標(biāo)志著機(jī)器人領(lǐng)域的歷史性突破。這是首個(gè)在真實(shí)世界物理交互數(shù)據(jù)上確立可預(yù)測(cè)擴(kuò)展定律的具身基礎(chǔ)模型，其意義堪比GPT3對(duì)自然語(yǔ)言處理的影響。GEN0基于27萬(wàn)小時(shí)的真實(shí)操作數(shù)據(jù)訓(xùn)練（比現(xiàn)有最大數(shù)據(jù)集多兩個(gè)數(shù)量級(jí)），首次觀察到機(jī)器人領(lǐng)域的"智能閾值"現(xiàn)象——7B參數(shù)成為關(guān)鍵臨界點(diǎn)，并驗(yàn)證了機(jī)器人性能遵循冪律擴(kuò)展定律。這些發(fā)現(xiàn)為機(jī)器人產(chǎn)業(yè)化提供了可預(yù)測(cè)的技術(shù)路線圖。機(jī)器人學(xué)習(xí)的...

2025年，開(kāi)發(fā)AIAgent已經(jīng)不再是從零開(kāi)始寫(xiě)代碼的過(guò)程，而是要先回答一個(gè)關(guān)鍵問(wèn)題：我應(yīng)該選擇什么樣的架構(gòu)？你的Agent是需要精確控制還是靈活適應(yīng)？是處理單一任務(wù)還是面對(duì)千變?nèi)f化的場(chǎng)景？是獨(dú)立工作還是團(tuán)隊(duì)協(xié)作？這些問(wèn)題的答案，決定了你應(yīng)該選擇哪種架構(gòu)范式。為什么架構(gòu)選擇比算法更重要？想象一下，你要組建一個(gè)團(tuán)隊(duì)完成復(fù)雜項(xiàng)目。你會(huì)怎么做？是找一個(gè)超級(jí)全能的人獨(dú)自完成所有工作，還是組建一支專(zhuān)業(yè)分工明確的團(tuán)隊(duì)？...

NestedLearning2025年11月，GoogleResearch在NeurIPS會(huì)議上發(fā)布的NestedLearning論文提出了一個(gè)顛覆性的統(tǒng)一理論：現(xiàn)有的深度學(xué)習(xí)方法——包括各種神經(jīng)網(wǎng)絡(luò)架構(gòu)和優(yōu)化算法——本質(zhì)上都是同一種數(shù)學(xué)結(jié)構(gòu)的不同表現(xiàn)形式，這個(gè)統(tǒng)一的數(shù)學(xué)結(jié)構(gòu)就是「嵌套優(yōu)化問(wèn)題」。傳統(tǒng)研究將神經(jīng)網(wǎng)絡(luò)架構(gòu)（如Transformer、CNN）和訓(xùn)練算法（如SGD、Adam）視為兩個(gè)獨(dú)立的研究領(lǐng)域，而NestedLearning揭示了它們的共同本質(zhì)：都是在定義和求解不同層...

2025年10月，一家源自MIT的創(chuàng)業(yè)公司LiquidAI發(fā)布了LFM2VL3B視覺(jué)語(yǔ)言模型，這款僅有3B參數(shù)的模型不僅能在資源受限的邊緣設(shè)備上流暢運(yùn)行，還在多項(xiàng)基準(zhǔn)測(cè)試中展現(xiàn)出媲美更大模型的性能表現(xiàn)。這不是簡(jiǎn)單的工程優(yōu)化，而是一場(chǎng)源自生物學(xué)靈感、基于全新架構(gòu)理念的技術(shù)革命。當(dāng)科技巨頭競(jìng)相構(gòu)建數(shù)千億參數(shù)的巨型模型時(shí)，LiquidAI正在證明：真正的智能不在于規(guī)模的堆砌，而在于架構(gòu)的優(yōu)雅與效率的極致。1.起源LiquidAI的核心技術(shù)源頭可...

1.從被動(dòng)響應(yīng)到主動(dòng)思考：ReAct智能體的突破ReAct智能體代表了AI從被動(dòng)響應(yīng)到主動(dòng)思考的重要跨越。這種設(shè)計(jì)模式的核心理念是"推理與行動(dòng)"的有機(jī)結(jié)合，它讓AI系統(tǒng)能夠像人類(lèi)解決問(wèn)題那樣，在思考、行動(dòng)和觀察之間不斷循環(huán)迭代。想象一個(gè)準(zhǔn)備晚餐的場(chǎng)景：你首先思考"家里有什么食材"，然后打開(kāi)冰箱查看，發(fā)現(xiàn)只有蔬菜，于是調(diào)整計(jì)劃決定做蔬菜意大利面。ReAct智能體正是以這種方式工作的。它不遵循固定的規(guī)則腳本，而是通過(guò)推理分...

近日斯坦福大學(xué)聯(lián)合蘇黎世聯(lián)邦理工學(xué)院(ETHZurich)、GoogleResearch和Amazon的研究團(tuán)隊(duì),推出了OpenTSLM——一個(gè)專(zhuān)為時(shí)間序列數(shù)據(jù)設(shè)計(jì)的語(yǔ)言模型家族。這一創(chuàng)新解決了當(dāng)前大語(yǔ)言模型(LLMs)在處理連續(xù)醫(yī)療時(shí)間序列數(shù)據(jù)時(shí)的根本性缺陷,即使是GPT4o這樣的前沿模型也難以有效處理心電圖(ECG)、腦電圖(EEG)和可穿戴傳感器數(shù)據(jù)流。一、LLM的"時(shí)序盲點(diǎn)"醫(yī)學(xué)診斷的本質(zhì)是基于時(shí)序，準(zhǔn)確的診斷高度依賴(lài)于追蹤生命體征、生物標(biāo)志物和復(fù)雜信...

當(dāng)Qwen3VL發(fā)布，一項(xiàng)名為DeepStack的技術(shù)浮出水面。今天就跟隨著小編一起來(lái)看看這項(xiàng)技術(shù)是否有過(guò)人之處。想象你在欣賞一幅畫(huà)作。你的視線會(huì)從畫(huà)布的紋理質(zhì)感，游移到人物的表情神態(tài)，最后領(lǐng)會(huì)整幅畫(huà)的意境氛圍。這是一個(gè)自然而連貫的多層次認(rèn)知過(guò)程。然而，傳統(tǒng)的AI視覺(jué)模型卻像是望遠(yuǎn)鏡看畫(huà)——只能看清遠(yuǎn)處的整體輪廓，卻丟失了筆觸、色彩過(guò)渡等近處的細(xì)膩之處。DeepStack的出現(xiàn)，正是嘗試彌補(bǔ)這一缺憾。1.傳統(tǒng)視覺(jué)語(yǔ)言模型在...

MetaFAIR團(tuán)隊(duì)剛剛發(fā)布了CodeWorldModel(CWM)，這是一個(gè)32B參數(shù)的開(kāi)源大語(yǔ)言模型，標(biāo)志著代碼生成領(lǐng)域的一次根本性轉(zhuǎn)變。想象一下傳統(tǒng)的代碼模型就像一個(gè)只會(huì)背誦菜譜的廚師，雖然能夠準(zhǔn)確復(fù)述每道菜的制作步驟，但并不真正理解食材如何變化、調(diào)料如何融合。而CWM的革命性突破在于它不僅知道代碼怎么寫(xiě)，更重要的是理解代碼運(yùn)行時(shí)會(huì)發(fā)生什么。這就像培養(yǎng)了一個(gè)真正懂得烹飪?cè)淼拇髲N，能夠預(yù)測(cè)每個(gè)步驟后食物的狀態(tài)變化。什么是...

在深度學(xué)習(xí)領(lǐng)域,傳統(tǒng)的神經(jīng)網(wǎng)絡(luò)架構(gòu)主要針對(duì)歐幾里得數(shù)據(jù)(如圖像、文本序列)進(jìn)行設(shè)計(jì)。然而,現(xiàn)實(shí)世界中大量數(shù)據(jù)呈現(xiàn)出圖結(jié)構(gòu)特征——社交網(wǎng)絡(luò)中的人際關(guān)系、分子結(jié)構(gòu)中的原子連接、交通網(wǎng)絡(luò)中的道路連通性等。這些非歐幾里得數(shù)據(jù)無(wú)法直接使用傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)處理,由此催生了圖神經(jīng)網(wǎng)絡(luò)(GraphNeuralNetworks,GNNs)。圖神經(jīng)網(wǎng)絡(luò)通過(guò)學(xué)習(xí)圖節(jié)點(diǎn)的局部信息來(lái)進(jìn)行預(yù)測(cè),在分類(lèi)和回歸問(wèn)題上都展現(xiàn)出強(qiáng)大的能力。研究表明,圖神經(jīng)網(wǎng)絡(luò)在...

視覺(jué)語(yǔ)言模型（VisionLanguageModels，VLMs）正成為連接視覺(jué)與文本理解的關(guān)鍵橋梁。HuggingFace剛剛發(fā)布了開(kāi)源的多模態(tài)數(shù)據(jù)集FineVision，旨在為視覺(jué)語(yǔ)言模型設(shè)定新標(biāo)準(zhǔn)，這一發(fā)布標(biāo)志著開(kāi)源AI社區(qū)在多模態(tài)學(xué)習(xí)領(lǐng)域邁出了重要一步。FineVision是一個(gè)包含1730萬(wàn)張圖像、2430萬(wàn)個(gè)樣本、8890萬(wàn)輪對(duì)話和95億個(gè)答案令牌的大規(guī)模數(shù)據(jù)集合，專(zhuān)門(mén)用于訓(xùn)練最先進(jìn)的開(kāi)源視覺(jué)語(yǔ)言模型。這規(guī)模更重要的是其在質(zhì)量控制、數(shù)據(jù)清洗和基準(zhǔn)測(cè)試防...

AI智能體（AIAgent）正在從實(shí)驗(yàn)室走向生產(chǎn)環(huán)境，成為企業(yè)數(shù)字化轉(zhuǎn)型的重要驅(qū)動(dòng)力。然而，與傳統(tǒng)軟件系統(tǒng)不同，AI智能體具有非確定性、多步驟執(zhí)行和外部依賴(lài)性強(qiáng)的特點(diǎn)，這使得其可觀測(cè)性成為一項(xiàng)重大挑戰(zhàn)。本文將深入探討AI智能體可觀測(cè)性，AI智能體可觀測(cè)性是一門(mén)綜合學(xué)科，涵蓋了對(duì)AI智能體全生命周期的監(jiān)控、追蹤、評(píng)估和管理——從規(guī)劃階段和工具調(diào)用，到內(nèi)存寫(xiě)入和最終輸出的每一個(gè)環(huán)節(jié)。其目標(biāo)是幫助開(kāi)發(fā)調(diào)試失敗案例、量...

隨著人工智能技術(shù)的飛速發(fā)展，多模態(tài)大語(yǔ)言模型（MLLMs）已成為AI領(lǐng)域的重要研究方向。這類(lèi)模型能夠同時(shí)處理文本、圖像、視頻等多種模態(tài)的信息，為實(shí)現(xiàn)通用人工智能奠定了重要基礎(chǔ)。近日，阿里巴巴集團(tuán)的Ovis團(tuán)隊(duì)發(fā)布了最新的Ovis2.5技術(shù)報(bào)告，展示了在多模態(tài)理解和推理方面的顯著進(jìn)步。本文將深入解析Ovis2.5的技術(shù)創(chuàng)新、架構(gòu)設(shè)計(jì)以及性能表現(xiàn)，探討其在多模態(tài)AI領(lǐng)域的重要意義。1.Ovis發(fā)展之路Ovis系列模型的發(fā)展體現(xiàn)了多模態(tài)...

現(xiàn)有的大多數(shù)視覺(jué)語(yǔ)言模型都面臨著一個(gè)共同的挑戰(zhàn)：如何在保持高性能的同時(shí)，實(shí)現(xiàn)更高的計(jì)算效率和更快的推理速度。近日，LiquidAI公司發(fā)布了其首個(gè)視覺(jué)語(yǔ)言基礎(chǔ)模型系列——LFM2VL，這一創(chuàng)新產(chǎn)品專(zhuān)為低延遲和設(shè)備感知部署而設(shè)計(jì)。LFM2VL擴(kuò)展了LFM2系列開(kāi)源基礎(chǔ)模型到視覺(jué)語(yǔ)言空間，支持可變分辨率的文本和圖像輸入。當(dāng)前市場(chǎng)上的主流視覺(jué)語(yǔ)言模型雖然在精度上表現(xiàn)出色，但往往需要大量的計(jì)算資源，難以在移動(dòng)設(shè)備、邊緣計(jì)算設(shè)...

標(biāo)注一直是制約計(jì)算機(jī)視覺(jué)模型性能的瓶頸。傳統(tǒng)的監(jiān)督學(xué)習(xí)方法需要大量人工標(biāo)注的數(shù)據(jù)集，這不僅成本高昂，而且在特定領(lǐng)域（如衛(wèi)星圖像、醫(yī)學(xué)影像）中往往難以獲得足夠的標(biāo)注數(shù)據(jù)。Meta最新發(fā)布的DINOv3模型通過(guò)將自監(jiān)督學(xué)習(xí)擴(kuò)展到70億參數(shù)規(guī)模和17億圖像數(shù)據(jù)集，實(shí)現(xiàn)了計(jì)算機(jī)視覺(jué)領(lǐng)域的重大突破，為這一困境提供了革命性的解決方案。。DINOv3的發(fā)展歷程體現(xiàn)了自監(jiān)督學(xué)習(xí)技術(shù)的成熟軌跡。從最初的DINO概念驗(yàn)證（8000萬(wàn)參數(shù)，100...

在人工智能的多模態(tài)學(xué)習(xí)領(lǐng)域，CLIP（ContrastiveLanguageImagePretraining）模型自2021年發(fā)布以來(lái)，已經(jīng)成為連接視覺(jué)和語(yǔ)言理解的重要基礎(chǔ)模型。從零樣本圖像分類(lèi)到多模態(tài)大語(yǔ)言模型的視覺(jué)編碼器，CLIP的應(yīng)用范圍不斷擴(kuò)大，深刻影響了整個(gè)AI生態(tài)系統(tǒng)。然而，現(xiàn)有的CLIP模型及其變體主要專(zhuān)注于英語(yǔ)數(shù)據(jù)，這意味著全球互聯(lián)網(wǎng)上超過(guò)50%的非英語(yǔ)內(nèi)容被忽視了。Meta公司最新發(fā)布的MetaCLIP2論文，首次提出了從全球網(wǎng)絡(luò)數(shù)據(jù)從頭訓(xùn)練CL...

在人工智能和自然語(yǔ)言處理領(lǐng)域，從非結(jié)構(gòu)化文本中準(zhǔn)確提取結(jié)構(gòu)化信息一直是一個(gè)重大挑戰(zhàn)。無(wú)論是處理醫(yī)療記錄、法律文件、研究報(bào)告還是其他復(fù)雜文檔，傳統(tǒng)的信息提取方法往往難以兼顧準(zhǔn)確性和靈活性。為了解決這一難題，Google近日正式發(fā)布了LangExtract——開(kāi)源Python庫(kù)，專(zhuān)門(mén)用于從非結(jié)構(gòu)化文本中精確提取結(jié)構(gòu)化信息。這一創(chuàng)新工具的發(fā)布標(biāo)志著信息提取技術(shù)進(jìn)入了一個(gè)新的發(fā)展階段，為開(kāi)發(fā)者和研究人員提供了一個(gè)功能強(qiáng)大、易...

在大模型領(lǐng)域快速發(fā)展的今天，經(jīng)常面臨一個(gè)艱難選擇：要么選擇小而快的模型，犧牲質(zhì)量；要么選擇大而準(zhǔn)確的模型，但需要強(qiáng)大的GPU支持。谷歌最新推出的Gemma3n模型，試圖徹底改變這一規(guī)則。Gemma3n不僅僅是緊湊型模型——它代表了AI架構(gòu)設(shè)計(jì)的全新思路。這個(gè)僅需23GB顯存就能運(yùn)行的模型，卻包含了多項(xiàng)革命性的技術(shù)創(chuàng)新，為邊緣設(shè)備上的AI應(yīng)用開(kāi)辟了全新的可能性。1.核心突破：Matformer架構(gòu)的創(chuàng)新設(shè)計(jì)要理解Gemma3n的創(chuàng)新之處，...

傳統(tǒng)的商業(yè)智能（BI）工具雖然功能強(qiáng)大，但往往需要專(zhuān)業(yè)的技術(shù)專(zhuān)長(zhǎng)、大量的培訓(xùn)投入以及可觀的時(shí)間成本才能產(chǎn)生有意義的結(jié)果。生成式商業(yè)智能（GenBI）應(yīng)運(yùn)而生——這是一種革命性的方法，從根本上改變企業(yè)與其信息資產(chǎn)交互的方式。小編記得在很早之前推薦了一款?基于LLM的分析工具，它也算是生成式的分支。雖然本次推薦的GenBI標(biāo)榜開(kāi)源，但是在一些功能方面在社區(qū)版還是受限。但是社區(qū)版的理念給未來(lái)的生成式的商業(yè)智能提供了...

想象一下，你正在黑乎乎的終端里敲代碼，突然遇到了一個(gè)bug怎么都找不到原因。這時(shí)候你只需要在命令行里輸入一句話："幫我找找這段代碼哪里有問(wèn)題"，AI就能立刻給你答案。這就是谷歌剛剛發(fā)布的GeminiCLI。1.GeminiCLI谷歌推出的GeminiCLI（命令行界面），這是一個(gè)新的開(kāi)源AI代理工具，將Gemini直接帶到你的終端中。簡(jiǎn)單來(lái)說(shuō)，GeminiCLI就是一個(gè)可以在命令行里"聊天"的AI助手。你知道ChatGPT吧？想象一下把ChatGPT直接搬到你的終...

Gemma3n不是傳統(tǒng)意義上的"模型優(yōu)化"，而是對(duì)Transformer架構(gòu)進(jìn)行了系統(tǒng)性重構(gòu)。它解決了一個(gè)根本性問(wèn)題：如何在極度受限的邊緣設(shè)備上實(shí)現(xiàn)云端級(jí)別的AI能力。1.MatFormerMatFormer基于Matryoshka表示學(xué)習(xí)理論，每個(gè)Transformer塊都設(shè)計(jì)了嵌套子塊結(jié)構(gòu)，小型子模型（如套娃中的層）包含在大型模型中。MatFormer通過(guò)在標(biāo)準(zhǔn)Transformer模型中加入嵌套的前饋網(wǎng)絡(luò)(FFN)塊結(jié)構(gòu)來(lái)實(shí)現(xiàn)彈性推理。利用聯(lián)合訓(xùn)練策略，在訓(xùn)練E4B（4B有效參數(shù)...