AlexandrWang加入后，并没有改善内部动荡，他本人甚至引发内部对立，既与扎克伯格发生摩擦，也引起员工不满。毕竟，他虽然在AI数据服务领域经验丰富，但缺乏在大型公司管理复杂技术团队的背景，也不是那种能直…

在美国的一项偏重于文化领域的新基准测试中，中国开源模型Qwen3夺冠，DeepSeek的R1跻身前六，力压多家全球顶级的明星模型。在一项名为「FlourishingAIChristian（FAI-C）」的基准…

一位62岁的英国老人，在2024年被裁员后，疯狂申请了900份工作，终于在12月重新上岸了。他悲观预言：未来，人类将被AI取代。未来20年，你的同事很可能不是人了！」 想象这样一个场景：你正在上班，AI安静地…

根据官方披露的数据，基于新一代指令集架构及MUSA处理器架构，「花港」在算力密度上实现了50%的提升，而计算能效更是实现了惊人的10倍跃升。它集成了一种全新的AI生成式渲染架构（AGR），这是摩尔线程首创的技…

一篇来自AdobeResearch的论文发现，高语义理解并不会提升生成质量，反而可能破坏空间结构。但当模型过度追求全局语义一致性，比如通过CLStoken，或对所有patch做全局平均来强化「这是什么」，这些…

马斯克转发了X平台关于旧金山停电带来的混乱场面，还轻描淡写地补了一刀：特斯拉的Robotaxi，在这次停电中「完全未受影响」。在繁忙的假日购物季，这次停电在高峰时段影响了多达13万名用户，也导致了多个主要路口…

在DeepMind的设想中，这些子AGI智能体不仅仅是工具，它们还会形成「群体智能体」，就像人类组成公司一样。一个负责代码审查的智能体错误地标记了一个安全补丁为「恶意软件」，这一信息被其他依赖它的智能体接收，…

效果：这一设计在DiT模块的中间层，切断了不同实例身份Token之间的交叉通信，它为每个实例创造了一个「注意力孤岛」，从机制上保障了多主体身份信息的高保真隔离注入，这一机制在应对实例重叠、压缩等复杂场景时，能…

这释放了一个清晰的信号：你刚踏入公司，股权就已经开始为你积累，哪怕不久后离开，也能带走一部分。它悄悄缩短了新员工的股权锁定期，这本来是硅谷常用的「保留人才」机制。你必须被人才选择，而不是靠规则留下。所以，并不…

这一概念的论文虽在1986年于Nature正式发表，但其实早在1982年就已提出。这句话立即点醒了JeffDean，他想到——我们有的是海量CPU，为什么不训练超大神经网络？对于那些主要在商业上最关键、尤其是…

接任后的Woodward深知责任重大，他一手主管Gemini应用业务，同时仍领导着谷歌旗下的新兴技术试验田——GoogleLabs，肩负起在AI竞赛中为谷歌开辟新赛道的双重任务。」 NotebookLM团队一…

非目标攻击以鲁棒性评估为主要目的：通过对干净提示施加微小扰动构造对抗提示，使生成结果在语义层面显著偏离由原始提示产生的干净输出，从而揭示文生图扩散模型在文本—图像映射上的不稳定性与脆弱边界。内部防御相比外部防…

忏悔机制迈出了AI透明化的重要一步，让大模型可以主动承认自己是否遵守指令、是否走捷径，从而让隐藏的不良行为变得可见。忏悔机制是AI对自己是否遵守显性和隐性指令、是否走捷径、利用漏洞或未达预期的情况进行自我报告…

但它们用的依然是「主动记忆」机制：智能体需要自己去「找」记忆，而不是这些记忆自然存在于它的思维中。在接下来的一年中，记忆系统（尤其是智能体的学习能力）将成为AI世界的核心议题，并被正式确认为通向AGI的最后一…

【新智元导读】谷歌、苹果两大巨头，内部紧急提醒H-1B员工：此时离境，或因签证审查延误，或数月甚至一年无法返回。持有H-1B签证的员工谨慎离境，重返美国或将延误最长一年！事实上，9月H-1B签证申请新政出台后…

具体做法为：从不同数据集中按质量分位数抽取多个子集，然后使用小规模模型进行训练测试，最后根据下游任务表现反向标定各数据集的质量区间。配合精心设计的学习率调度方案，模型在高质量数据上得以充分学习，最终在多类评测…

【新智元导读】发表在Science上的一篇NBER论文发现，1999年中国高校扩招，不仅改变了国内教育格局，还在二十多年后，让美国大学意外获益。当项目扩张后，美国学生自然有了更多的入学机会——他们「被中国学生…

【新智元导读】当算力成为AI时代的「新石油」，一年930亿美元的资本投入仍拯救不了谷歌的「算力饥荒」，各部门为抢夺芯片争执不下。算力紧张的问题在科技公司内部其实存在多年了，但随着这两年AI需求的爆发，矛盾愈发…

模拟人类主动探索、想象和推理的过程，解决了现有模型在视角变换等任务中的局限，为人工智能的空间智能发展开辟了新路径。为此，来自MBZUAI与中山大学的研究团队提出了SpatialDreamer，一个基于强化学习…

但紧接着，奥特曼话锋一转，说了一句非常耐人寻味的话：即便停在现在这个水平，世界仍然远远没有「用完」这些模型的价值。如果你用线性思维去看算力投入，它永远显得「过于激进」；但如果你把算力、模型能力、使用频率、收入…