論文鏈接：https:arxiv.orgpdf2505.14357項目鏈接：https:knightnemo.github.iovid2world生成效果速覽亮點直擊首個系統性探索如何將全序列、非因果、被動的視頻擴散模型遷移為自回歸、交互式、動作條件的世界模型的問題。提出Vid2World，一個通用且高效的解決方案，包含了將視頻擴散模型因果化和動作條件化的多項新穎技術。Vid2World在多個領域中都達到了SOTA，為這一關鍵問題建立了新的基準，并為未來研究提供了有力支持。將視...

探究人工智能與向量數據庫如何實現語義搜索，為更智能的推薦系統、聊天機器人及非結構化數據處理工具提供支撐。在互聯網時代，你是否期待搜索引擎不再局限于關鍵詞匹配，而是能理解用戶真實意圖？這正是人工智能與向量數據庫結合的價值所在。傳統數據庫擅長處理電子表格等結構化數據，但面對社交動態、圖片、語音筆記等非結構化數據時卻力有不逮。人工智能擅長解析復雜數據，卻需要高效的存儲與檢索系統，向量數據庫應運而生—...

昨夜，杭州的擂臺上演了一場特殊的格斗賽——CMG世界機器人格斗擂臺賽在杭州舉行，這也是全球首屆人形機器人格斗賽。四臺宇樹G1機器人以勾拳、側踢、膝擊等動作展開激烈對抗，最終“AI策算師”戰隊奪冠。這場看似娛樂的賽事，實則是智能工具進化史的縮影，更折射出技術對生活的深遠影響。宇樹G1曾在春晚扭秧歌、完成李小龍式空踢，而此次格斗賽將其推向了新高度：倒地5秒內自主起身、120N·m關節扭矩支撐的高爆發動作、23個自由...

在使用大模型處理多跳問題（multihopquestion）時，我們常常面臨一個挑戰：原始問題可能不夠具體或缺乏關鍵實體信息，導致語義搜索系統難以準確檢索到相關答案。為了解決這個問題，現在大家常使用問題改寫，獲取深層次的知識。下述是一套有效的問題改寫提示詞（prompt），專門用于“問題改寫”階段，幫助模型生成更清晰、更具實體導向的新問題。這套提示詞經過實際測試，效果不錯。實驗效果qwen2.57B作為問題改寫的大模型。在ho...

圖片近年來，人工智能領域在多模態學習方面取得了顯著進展，相關模型能夠理解和關聯圖像與文本等不同數據類型的信息。OpenAI的CLIP（對比語言圖像預訓練）和Google的SigLIP（語言圖像預訓練的Sigmoid損失函數）是其中最具影響力的成果。這些模型革新了機器對視覺和文本信息的解讀與關聯方式，使得從圖像分類到零樣本學習等各類應用成為可能。本文將對CLIP和SigLIP的架構、訓練范式及關鍵差異進行剖析。1.CLIP：對比語言圖像預訓...

1.引言1.1研究背景與意義在當今數字化時代，數據的高效處理和利用至關重要。TexttoSQL作為自然語言處理和數據庫領域的關鍵技術，旨在實現自然語言問題到SQL查詢的自動轉換，從而打破非專業用戶與數據庫系統之間的障礙，提高數據處理效率，拓展智能數據庫服務、自動數據分析和數據庫問答等應用范圍。隨著人工智能技術的不斷發展，特別是大型語言模型（LLMs）的出現，為TexttoSQ任務帶來了新的機遇和挑戰。1.2現有研究的不足盡管T...

在大語言模型（LLMs）的后訓練與推理Scaling時代，一個革命性范式正在崛起：LearningfromRewards（獎勵驅動學習）。從OpenAIo1和DeepSeekR1中的強化學習，到測試時的BestofN采樣，獎勵信號不再只是訓練噪聲的附屬，而是引領模型走向主動學習的導航星標。它使模型更貼近人類偏好、具備復雜推理能力，推動邁向更通用、更智能、更可控的AI系統！本文是當前最系統的LearningfromRewards綜述之一，全面梳理該范式在LLMs后訓練(PostTr...

圖片論文：MorphMark:FlexibleAdaptiveWatermarkingforLargeLanguageModels鏈接：https:arxiv.orgabs2505.11541圖片一、研究背景隨著大型語言模型（LLMs）在自然語言生成領域的廣泛應用，AI生成內容的可追溯性和版權保護已成為亟待解決的核心問題。基于紅綠表（RedGreenList）機制的水印技術應運而生，通過嵌入可檢測的獨特模式來區分AI生成內容與人類創作內容。然而，現有方法普遍面臨一個根本性矛盾：提升水印有效性往往導致...

本文介紹了在增強檢索生成（RAG）流程中，文本分塊的重要性和實現方式。詳細解釋了為什么要對文本進行切分及代碼示例，展示了分塊后的效果。通過合理分塊，可以有效應對模型的輸入限制，提升檢索與生成的質量，是構建高效LLM應用的關鍵步驟之一。1.文檔分塊的原因2.文檔分塊的基本思路2.1基于長度的分塊類型2.2代碼實現2.2拆分結果3.圖形化顯示分塊總結在快速發展的自然語言處理（NLP）領域，增強檢索生成（RAG）已成為提高AI生...

摘要我們提出了一種原則性且高效的一步生成模型框架。我們引入了平均速度的概念來表征流場，這與流匹配方法中建模的瞬時速度形成對比。我們推導出了平均速度與瞬時速度之間的明確關系，并用其指導神經網絡訓練。我們的方法，稱為均值流模型，是自包含的，無需預訓練、蒸餾或課程學習。均值流模型展示了強大的實證性能：在ImageNet256×256上從頭訓練，僅用一次函數評估（1NFE）即可達到3.43的FréchetInceptionDistance（FID）...

從梁寧的《真需求》一書中，我提煉出對AI大模型創業者特別有價值的洞見。本文將結合AI領域特點，探討價值創造、共識構建和產品打磨的核心原則。一、從價值本質看AI大模型創業"商業價值無法自己一廂情愿地說有就有，它是由交易的對手盤一買方，來決定的。因此，進入商業世界的第一個訓練，就是要擺脫自己的主觀感受和主觀愿望，站到買方那一側來審視自己手上的東西。"在AI大模型創業中，這一點尤為關鍵。技術人員容易陷入"技術決...

還在反復輸入同樣的AI提示詞嗎？還在為找不到之前用過的高質量Prompt而煩惱嗎？如果你是AI大模型的重度用戶，那么今天介紹的這款瀏覽器插件絕對能讓你愛不釋手。QuickPrompt，一款專為提示詞管理設計的效率工具，它能讓你的AI對話效率提升10倍不止。一鍵喚出，告別復制粘貼在ChatGPT、Claude或文心一言等任何輸入框中，只需輸入??p??，立即喚出你的提示詞庫，從中選擇需要的提示詞一鍵插入。解放雙手，無需在各種筆記軟件間...

人工智能（AI）是繼互聯網之后最偉大的技術變革。然而，許多創業者在試圖擁抱這一變革時，卻常常陷入各種專業術語和流行詞匯的泥沼中。今天，我們就來聊聊創業者需要了解的30個最重要的AI術語，幫你輕松避開這些“坑”。一、基礎概念1.大語言模型（LLM）大語言模型是當今大多數AI創新和應用背后的技術。像ChatGPT、Claude、Gemini這些工具，都是基于LLM構建的。簡單來說，LLM可以通過自然語言執行各種任務，比如寫文章、回答問...

在當今數字化飛速發展的時代，軟件開發的效率和質量已經成為企業競爭的核心要素。今天，一個令人振奮的新突破悄然降臨——Codex，一款由ChatGPT推出的云開發助手，它正悄然改變著軟件開發的面貌。一、Codex：多任務并行的云開發助手Codex是一款強大的云開發助手，它能夠同時處理多個任務。無論是編寫新功能、解答代碼問題、修復漏洞，還是提出待審核的拉取請求，Codex都能輕松應對。每個任務都在獨立的云沙盒環境中運行，預加載...

在AI浪潮洶涌澎湃的今天，中國AI領域迎來了一次劃時代的突破。今天，昆侖萬維正式上線全球首個“AI版Office”——天工超級智能體（SkyworkSuperAgents），并在GAIA榜單中脫穎而出，力壓OpenAIDeepResearch與Manus，登頂榜首，辦公領域迎來了顛覆性變革。一直以來，Office三件套為打工人提供了基本的文檔處理、表格計算與演示文稿制作功能。然而，天工超級智能體的誕生，徹底顛覆了傳統Office的概念，將AI從單一的輔助工具升級為...

編輯云昭用“瘋狂買買買”來形容5月的OpenAI，再不為過！要是有“AI初創公司求并購直播間”，OpenAI妥妥的拿下“榜一大哥”！先是30億美金拿下AI編碼市場老二Windsurf，一度被外界認為是OpenAI最大的收購案，緊接著又開始為自己的產品部門花重金聘任了新的CEO，Simo。結果剛過去不到兩星期，Altman似乎“越買越瘋狂”，就在幾個小時前，OpenAI發布了一個收購文件，這次直接為了一家尚沒有任何成型的市場產品的初創公司豪擲近65...

近兩日，GoogleIO2025熱度正盛，公司CEOSundarPichai在活動首日的主題演講中便分享了多項創新，例如Gemini2.5的全系列升級，AgentMode上線Chrome，編碼智能體Jules開啟公測，AndroidXR正式版亮相等等。而在一眾令人眼花繚亂的重磅更新之中，還隱藏著一個面向于醫療領域的重磅開源成果——MedGemma。據官方介紹，MedGemma系列模型基于Gemma3構建，包含谷歌在醫學文本與圖像理解方面最強大的開源模型，提供2個版本，分別為40億參...

蛋白質亞細胞定位（subcellularlocalizationofaprotein）是指蛋白質在細胞結構中具體的定位情況，這對蛋白質行使其生物學功能至關重要。舉個簡單例子，如果把細胞想象成一個龐大的企業，其中細胞核、線粒體、細胞膜等對應總裁辦、發電部、門崗等不同的部門，那么只有對應的蛋白進入正確的「部門」才能使其正常工作，否則便會導致某些疾病發生，如癌癥、阿爾茲海默病。因此，精準定位蛋白質亞細胞可以說是生命科學的核心任務之一...

圖片圖1.我們提出了MonetGPT，這是一種感知圖像操作的多模態大語言模型（MLLM），可自動為圖像修圖提供建議。給定一張照片（左圖），MonetGPT會對其進行分析，識別出一系列問題和可能的修復調整。然后，解決方案步驟會根據給定的操作庫，轉化為一組程序操作以及相應的參數設置，這一過程分為三個階段。（我們訓練MLLM所使用的視覺謎題此處未展示。）摘要修圖是原始照片后期處理中的一項基本任務。由文本或筆觸引導的生成式編輯...

論文鏈接：https:arxiv.orgpdf2505.14683項目鏈接：https:bagelai.org模型地址：https:huggingface.coByteDanceSeedBAGEL7BMoT亮點直擊可擴展生成認知模型（ScalableGenerativeCognitiveModel，BAGEL），一個開源的多模態基礎模型，具有7B活躍參數（總計14B），在大規模交錯多模態數據上訓練。BAGEL在標準多模態理解排行榜上超越了當前頂級的開源視覺語言模型（VLMs），并且在文本到圖像質量方面，與領先的公開生成器如SD3和FLU...