鸿蒙开发者社区

公众号矩阵

移动端

视频课免费课排行榜短视频直播课软考学堂

全部课程软考信创认证华为认证厂商认证 IT技术 PMP项目管理免费题库

文章资源问答课堂专栏直播

51CTO

鸿蒙开发者社区

51CTO技术栈

51CTO官微

51CTO学堂

51CTO博客

CTO训练营

鸿蒙开发者社区订阅号

51CTO软考

51CTO学堂APP

51CTO学堂企业版APP

鸿蒙开发者社区视频号

51CTO软考题库

账号设置退出

新闻

2.7w内容

关注

汇聚51CTO网站的各领域新鲜资讯，包括开发、移动开发、系统、网络、安全、数据库、大数据、人工智能、区块链、云计算、物联网、数字化转型、服务器、存储、商务办公、运维、开源、智能汽车等细分领域。

共 2.7w 条

打破长视频理解瓶颈：HoPE混合位置编码提升VLM长度泛化能力

来自 CMU 和小红书的研究团队对这一问题进行了深入研究，他们首次提出了针对多模态 RoPE 扩展策略的理论评估框架，指出现有多模态 RoPE 泛化能力不足的原因之一是保留 RoPE 中所有频率对长上下文语义建模有负面影响。

2025-06-30 08:50:00

AI 视频生成模型

华为CloudMatrix重磅论文披露AI数据中心新范式，推理效率超NV H100

华为发布了一篇60页的重磅论文，提出了他们的下一代AI数据中心架构设计构想——Huawei CloudMatrix，以及该构想的第一代产品化的实现CloudMatrix384。相对于简单的“堆卡”，华为CloudMatrix给出的架构设计原则是，高带宽全对等互连和细粒度资源解耦。

2025-06-30 08:49:00

AI 数据架构

图像界的DeepSeek！12B参数对标GPT-4o，5秒出图，消费级硬件就能玩转编辑生成

只有小小的12B，更少的参数，更快的推理，性能更是媲美GPT-image-1等一众闭源模型。

2025-06-30 08:48:50

AI 图像生成模型

盘一盘，2017年Transformer之后，LLM领域的重要论文

Karpathy 深入探讨了这一变革对开发者、用户以及软件设计理念的深远影响。他认为，我们不只是在使用新工具，更是在构建一种全新的计算范式。

2025-06-30 08:48:00

充分激发模态协作，MokA量身打造MLLM微调新范式

来自中国人民大学高瓴人工智能学院 GeWu-Lab 实验室、上海人工智能实验室的研究团队在最新论文中给出了一种全新的思考方式。

2025-06-30 08:44:00

拯救P图废柴，阿里上新多模态模型Qwen-VLo！人人免费可玩

阿里带着全新多模态模型Qwen-VLo开启炸场模式。

2025-06-30 08:43:00

AI 模型 GPT-4o

无需训练，即插即用，2倍GPU端到端推理加速——视频扩散模型加速方法DraftAttention

近期，来自美国东北大学、香港中文大学、Adobe Research 等机构的研究团队提出了一种无需训练、即插即用的，基于动态稀疏注意力的视频扩散模型加速方法 ——DraftAttention，显著降低了注意力机制的计算开销，并且在几乎不损失生成质量的前提下，实现高达 2 倍的 GPU 端到端推理加速。

2025-06-30 08:42:00

模型训练 AI

ICML 2025 Spotlight | 新理论框架解锁流匹配模型的引导生成

作者从理论上推导得到全新能量引导理论框架，并进一步提出多样的实际能量引导算法，可以根据任务特性进行灵活选择。

2025-06-30 08:36:00

AI 模型强化学习

AgentAuditor：让智能体安全评估器的精确度达到人类水平

来自纽约大学、南洋理工大学、伊利诺伊大学香槟分校、KTH 皇家理工学院、悉尼大学、新加坡国立大学的研究者们，推出 AgentAuditor—— 一个通用、免训练、具备记忆增强推理能力的框架，让 LLM 评估器达到了人类专家的评估水平，精准识别智能体的安全风险。

2025-06-30 08:32:00

OpenAI四位华人学者集体被挖，还是Meta重金出手

上一次被挖走的三位小伙伴都参与了 ViT 等重要研究。这次被挖走的小伙伴也是参与了不少 OpenAI 的重要工作。

2025-06-30 08:26:00

OpenAI 模型 Meta

AI 开始「自由玩电脑」了！吉大提出「屏幕探索者」智能体

近期，吉林大学人工智能学院发布了一项基于强化学习训练的 VLM 智能体最新研究《ScreenExplorer: Training a Vision-Language Model for Diverse Exploration in Open GUI World》。它让视觉语言模型（VLM）真正学会了「自我探索 GUI 环境」。

2025-06-30 08:25:00

智能体 AI 模型

CVPR 2025 | 零开销，消除图像幻觉！基于零空间投影挖掘正常样本特征

当前大型视觉语言模型（LVLMs）存在物体幻觉问题，即会生成图像中不存在的物体描述。西安交通大学研究团队提出了一种名为Nullu的方法，通过提取「幻觉子空间」（HalluSpace）并进行零空间投影来编辑模型权重，从而有效消除幻觉，且不增加额外推理成本。

2025-06-30 08:15:00

视觉语言模型 AI

阿里发布信息检索Agent，可自主上网查资料，GAIA基准超越GPT-4o

阿里发布WebDancer，就像它的名字一样，为“网络舞台”而生。

2025-06-27 16:06:55

AI 网络模型

苹果出手！改进GRPO，让dLLM也能高效强化学习

苹果的一个研究团队表示：「代码生成与 dLLM 范式非常契合，因为编写代码通常涉及非顺序的反复来回优化。」事实上，此前的 Mercury Coder 和 Gemini Diffusion 已经表明：基于扩散的代码生成器可以与顶尖自回归代码模型相媲美。

2025-06-27 15:44:35

苹果 AI 模型

突破通用领域推理的瓶颈！清华NLP实验室强化学习新研究RLPR

清华大学自然语言处理实验室提出了一项关键性技术 —— 基于参考概率奖励的强化学习（Reinforcement Learning with Reference Probability Reward，RLPR）。

2025-06-27 10:10:43

AI 模型技术

谷歌开源Gemma 3n：2G内存就能跑，100亿参数内最强多模态模型

谷歌表示，Gemma 3n 代表了设备端 AI 的重大进步，它为手机、平板、笔记本电脑等端侧设备带来了强大的多模式功能，其性能去年还只能在云端先进模型上才能体验。

2025-06-27 10:08:19

谷歌 AI 开源

91岁零基础！硬核爷爷用AI两天爆肝应用，350美元玩转氛围编程

91岁退休多年的John Blackman从未碰过代码，却在孙子指点下用AI工具，仅用两天搭出多租户管理系统。从手写流程到自动化报表，这位爷爷用亲身经历证明：技术门槛正在被AI彻底重塑。

2025-06-27 10:04:31

AI 代码训练

超过GPT-image-1！大黑马Black Forest刚开源新模型，只用文本实现一键PS

知名开源平台Black Forest开源了，文生图模型FLUX.1-Kontext的开发者版本。

2025-06-27 09:26:50

模型开源 AI

3D VLA新范式！CVPR冠军方案BridgeVLA，真机性能提升32%

中科院自动化所提出BridgeVLA模型，通过将3D输入投影为2D图像并利用2D热图进行动作预测，实现了高效且泛化的3D机器人操作学习。实验表明，BridgeVLA在仿真和真实场景中均展现出卓越的性能和数据效率，仅需3条轨迹即可在基础任务中达到96.8%的成功率。

2025-06-27 09:10:17

模型 AI 机器人

谷歌AlphaGenome横空出世！40亿年生命代码一键破解，或再夺诺奖

前有AlphaFold破解蛋白质之谜，今有AlphaGenome揭示DNA天书。谷歌DeepMind最新103页力作，用AI成功预测基因突变，一次即可读取100万个DNA碱基，精度无「模」能敌。

2025-06-27 08:56:51

DeepMind 代码模型

人民大学&字节Seed：利用μP实现Diffusion Transformers高效扩展

人大高瓴李崇轩团队和字节跳动Seed团队的研究员引入了大语言模型训练中的μP理论，并将其扩展到diffusion Transformers的训练中。

2025-06-27 08:50:40

模型训练 AI

北大发布学术搜索评测ScholarSearch：难倒一众DeepResearch的“开卷考试”

北京大学DS-Lab发布ScholarSearch，这是首个专门用于评估大语言模型在学术研究中复杂信息检索能力的数据集，包含223道高难度的学术检索题目及其答案。

2025-06-27 08:47:12

模型数据集 AI

Nature报道：谷歌新模型1秒读懂DNA变异！首次统一基因组全任务，性能碾压现有模型

据Nature最新报道，谷歌DeepMind团队目前推出了突破性生物模型AlphaGenome。

2025-06-27 08:45:31

谷歌 AI 模型

推理越多，幻觉越重？多模态推理模型的「幻觉悖论」

多模态推理模型真的「越想越明白」吗？研究表明，R1系列模型在推理链条加长的过程中，其视觉感知能力出现下降趋势，生成内容有时会偏离图像本身，出现「看见」不存在事物的幻觉现象。

2025-06-27 08:40:00

模型推理 AI

全模态RAG突破文本局限，港大构建跨模态一体化系统

香港大学黄超教授团队开源多模态智能处理系统RAG-Anything，将碎片化的信息孤岛转化为结构化的知识网络，为智能多模态文档分析开辟了全新技术路径。

2025-06-26 15:11:41

AI 模型自动化

AI“读书”合法了：美法院最新裁定，无需作者同意，已购书籍可用于训练AI

就在最新判决的诉讼中，美国法院裁决：允许Claude背后公司Anthropic在未经作者许可的情况下，使用合法购买的已出版书籍训练AI。

2025-06-26 15:09:07

AI 模型训练

刚刚，OpenAI苏黎世办公室被Meta一锅端，三名ViT作者被挖走

华尔街日报称：「OpenAI 的一位发言人证实，这三名研究人员已经离职。」

2025-06-26 15:07:54

OpenAI Meta 模型

具身世界模型新突破，地平线 & 极佳提出几何一致视频世界模型增强机器人策略学习

近日，地平线、极佳科技与中国科学院自动化研究所等单位提出 RoboTransfer，基于扩散模型的视频生成框架，可以用于扩充机器人策略模型的训练数据。

2025-06-26 15:06:47

数据训练模型

AI秒懂短视频，快手大模型Keye-VL理解力爆表！技术细节全开源

全新多模态大语言模型Kwai Keye-VL震撼上线，展现了无与伦比的视频理解力！它能将视频内容转化为高能方案，还会智能选择思考模型，效率与创意兼得。目前，模型已正式开源。

2025-06-26 15:05:45

模型 AI 视频生成

继AlphaFold之后，DeepMind再放“大招”：AlphaGenome直击疾病根源

谷歌DeepMind宣布推出一款名为AlphaGenome的全新人工智能（AI）模型。该模型旨在更深入、更准确地理解基因组，通过预测DNA序列的微小变化如何影响复杂的基因调控过程，为疾病研究、基因治疗和基础生命科学开辟了新的可能性。目前，AlphaGenome已通过API向非商业研究领域开放

2025-06-26 10:08:34

谷歌模型 AI

谷歌AI Agent刚开源！多任务智能体+MCP+谷歌搜索，狂揽9000颗星

Gemini CLI最大亮点之一就是可以直接调用，谷歌最新发布的视频模型 Veo和图像模型Imagen，同时集成了MCP、谷歌搜索、自定义自动化等众多实用功能。

2025-06-26 10:07:11

谷歌模型开源

让多模态大模型「想明白再画」！港大等开源GoT-R1：强化学习解锁视觉生成推理新范式

来自香港大学 MMLab、香港中文大学 MMLab 和商汤科技的研究团队，继其先前发布的 Generation Chain-of-Thought (GoT) 框架之后，现推出重要进展 ——GoT-R1。

2025-06-26 09:13:22

强化学习模型 AI

8B模型可以超过GPT-4o！并行KV Cache压缩支持的128K长度外推方法ParallelComp

我们提出了一种全新的训练免调（Training-Free）长文本处理方案 ——ParallelComp，其核心包括并行 Attention 分块、KV 缓存智能淘汰与注意力偏差校准三大技术创新。

2025-06-26 09:09:31

模型推理 AI

首个面向科学任务、真实交互、自动评估的多模态智能体评测环境，ScienceBoard来了

作为首个聚焦科学探索任务的多模态智能体评测框架。ScienceBoard 提供了一个真实可交互的科研环境，精心设计了具有代表性的科研任务，并配套程序化评估机制，系统性评估现有模型在科学任务上的表现。

2025-06-26 09:01:14

智能体测评 AI

刚刚，何恺明官宣入职谷歌DeepMind！

AI大神何恺明正式入职谷歌DeepMind，担任杰出科学家，同时保留MIT终身副教授身份。从Meta到MIT，再到如今的谷歌，这位「学界+业界」双修的大牛，将为DeepMind的AGI注入一针强心剂。

2025-06-26 09:00:37

AI 何恺明 DeepMind

何恺明新身份：谷歌DeepMind杰出科学家

在搜索何恺明个人主页后，我们可以确认，他确实加入了谷歌，不过是以兼职的形式，职位是谷歌 DeepMind 杰出科学家 (Distinguished Scientist)。

2025-06-26 08:56:59

何恺明谷歌模型

北大CogSci 2025（Oral）| 人类创造力的核心机制，AI已经开始掌握了

北大团队最新论文揭示：人类引以为傲的创造力，如今AI也开始掌握了。

2025-06-26 08:56:00

AI 模型系统

奥特曼回应OpenAI硬件抄袭：投资没谈拢就来反咬我！新一轮邮件证据曝光

这是被收购不成，恼羞成怒了？网友们纷纷表示：这反转，精彩，实在是精彩！

2025-06-26 08:53:03

OpenAI 奥特曼收购

ICML 2025 Oral | 从「浅对齐」到「深思熟虑」，清华牵头搭起大模型安全的下一级阶梯

清华团队突破了这一范式，率先将系统2思考引入大模型对齐，提出了融合自省推理的安全对齐框架STAIR。

2025-06-26 08:42:00

模型安全 AI

人形机器人首次打通视觉感知与运动断层，UC伯克利华人博士让宇树G1现场演示

这是来自UC伯克利、卡内基梅隆大学等团队的最新研究成果LeVERB框架。

2025-06-25 16:09:40

机器人 AI 训练

重磅！淘天联合爱橙开源强化学习训练框架ROLL，高效支持十亿到千亿参数大模型训练

近日，淘天集团携手爱橙科技正式开源了全新一代强化学习训练框架 ROLL（Reinforcement Learning Optimization for Large-scale Learning）。ROLL 以用户体验为核心设计理念，专为「高效・可扩展・易用」而打造，彻底打通从小模型到 600B+ 超大模型的 RL 训练落地路径。

2025-06-25 13:44:09

开源训练模型

Windows最新搭载微软自研模型Mu，一句话搞定所有系统配置

全新发布的设备端小语言模型Mu，让Windows 11的设置也拥有了自己的AI Agent。

2025-06-25 13:42:54

微软模型系统

哈工大发布动画多智能体，文本一键生成连贯动画

哈尔滨工业大学发布了创新框架AniMaker，通过多个智能体的协同工作，实现从文本故事到动画视频的自动化转换。

2025-06-25 09:32:11

智能体 AI 视频生成

强化学习新发现：无需数学样本，仅游戏训练AI推理大增

研究团队提出了 ViGaL (Visual Game Learning) 方法，在多个主流视觉数学基准测试和 MMMU 系列基准测试中，超越此前在数学等领域内数据上训练的强化学习模型。

2025-06-25 09:28:38

AI 训练强化学习

外国小哥徒手改装消费级5090，一举击败巨无霸RTX Pro 6000

他是一位知名的超频爱好者和硬件改装专家，尤其以在显卡、CPU 以及其他计算机硬件上的极限超频技术而闻名。

2025-06-25 09:25:07

计算机操作系统 CPU

ToMAP：赋予大模型「读心术」，打造更聪明的AI说服者

本研究提出了 ToMAP，一种融合心智理论的 AI 说服框架，致力于解决当前大语言模型在说服任务中缺乏对手建模与策略灵活性的问题。

2025-06-25 09:19:44

AI 模型训练

Cache Me If You Can：陈丹琦团队如何「抓住」关键缓存，解放LLM内存？

陈丹琦团队提出了「KV 足迹」作为一种统一的度量标准，它是在所有时间步中，未被逐出的键值缓存条目所占比例的聚合值。

2025-06-25 09:15:38

如何做到在手机上实时跑3D真人数字人？MNN-TaoAvatar开源了！

本文将为您揭秘 TaoAvatar 背后的黑科技！同时在今天，我们正式宣布开源了 3D 真人数字人应用：MNN-TaoAvatar！目前应用源码已同步发布在 MNN 的 GitHub 仓库，开发者可自行下载安装和体验。

2025-06-25 09:11:16

3D 数字人开源

谷歌发布本地具身智能模型！全程无联网执行精细操作，从人形机器人到工业机器人全覆盖

Google DeepMind团队首个可以完全在机器人本地运行的视觉-语言-动作（VLA）模型Gemini Robotics On-Device发布。

2025-06-25 09:04:59

机器人视觉语言模型

机器人视觉语言导航进入R1时代！港大联合上海AI Lab提出全新具身智能框架

由香港大学与上海AI Lab联合提出的VLN-R1，具备将自然语言指令直接转化为第一人称视角下的连续导航动作的能力，无需依赖离散地图，能在复杂环境中灵活感知、决策与行动，实现类人级别的具身智能导航。

2025-06-25 09:02:05

机器人自然语言智能导航

上一页 1 ··· 4 5 6 7 8 ··· 554 下一页

51CTO技术栈公众号

业务
速览

媒体

51CTO CIOAge HC3i

社区

51CTO博客鸿蒙开发者社区 AI.x社区

教育

51CTO学堂精培企业培训 CTO训练营