模型发布/更新
-
FastWan-QAD:单卡5090上1.8秒生成5秒视频
Sky Computing Lab 发布 FastWan-QAD 视频生成模型系列,基于 FastVideo 的量化感知蒸馏(QAD)方案训练。在单张 NVIDIA GeForce RTX 5090 上,端到端生成一段 5 秒 480P…
-
京东全栈开源JoyAI-VL-Interaction,从“一问一答”走向“边看边说”
京东近日开源全球首个全栈交互模型JoyAI-VL-Interaction,获vLLM-Omni原生支持。该模型能持续观察视频流、主动判断关键事件并实时响应,支持将复杂任务委托后台Agent处理。在58个真人盲评中,对比豆包视频通话助手胜率…
-
网易有道发布 Confucius4-TTS:14 语种跨语种无口音语音克隆开源模型
网易有道推出“子曰 4.0”TTS 引擎 Confucius4-TTS,声称是业内首个支持 14 种语言跨语种无口音、且无需参考文本即可完成语音克隆的开源模型。用户仅需 3 秒音频即可实现零样本音色克隆,克隆音色与原声相似度超 85%,任…
-
Krea 2 技术报告正式发布
我们的技术报告已发布。 深入解析创建 Krea 2 所用的数据、架构及训练技巧。 https://www.krea.ai/blog/krea-2-technical-report
-
豆包音频生成模型1.0发布,重新定义AI音频创作
火山引擎正式发布豆包音频生成模型1.0(Doubao-Seed-Audio 1.0),支持文本与音频参考生成,端到端输出目标音频。单条Prompt可编排多角色对白、情绪语气、背景音乐及环境氛围,长时生成中保持多角色音色一致性,无需后期多轨…
-
Mistral 发布 OCR 4 文档理解模型,新增边界框、块分类与置信度分数
Mistral 发布 OCR 4,在提取文本外返回边界框、类型化块分类和逐词置信度分数,支持 170 种语言,可单容器自托管部署。
-
Seed2.1 正式发布,深入 AI 生产力
字节Seed发布Seed2.1系列,面向真实生产力场景的智能体,强化通用Agent能力、代码工程交付与多模态理解。Seed2.1 Pro在GDPval基准获最高分,Agents' Last Exam位列参评模型第一梯队;MobileWor…
产品发布/更新
-
IBM 开源 CUGA:轻量级智能体框架,提供二十余个单文件示例应用
IBM 开源了 CUGA(Configurable Generalist Agent),一个处理规划、执行循环、工具调用和状态管理的轻量级智能体框架。开发者只需提供工具列表和提示词即可构建 CugaAgent。内置计划-执行-反思循环,在…
-
国内首个高考志愿AI测评出炉,千问多项表现超过资深咨询师
友松实验室发布国内首个高考志愿AI能力测评报告,测试千问高考志愿填报Agent四大模块。与53位平均从业4.6年的人类咨询师对照,千问表现更稳定精确:44道事实题全对;模拟10个志愿中6个可录取;100场匿名对比中专家58次倾向千问回答。…
-
Anthropic 推出 Claude Tag:在 Slack 中通过 @Claude 协作
Anthropic 推出 Claude Tag,一种在 Slack 频道中通过 @Claude 委托任务的新协作方式。Claude 可记住频道上下文,支持多用户交互,经授权后可自动学习其他频道和数据源。开启“环境”行为后,能主动更新未解决…
-
Claude Code v2.1.187 发布
Claude Code v2.1.187 新增 `sandbox.credentials` 设置,可阻止沙箱化命令读取凭证和秘密环境变量;模型选择器及相关参数现已支持组织配置的模型限制,选中受限模型时显示“受组织设置限制”提示。全屏模式下…
行业动态
-
Oracle因AI应用裁员21000人,债务驱动云基础设施投资
Oracle在截至5月31日的财年裁员21000人,员工总数降至141,000人,降幅12.9%。公司称AI技术的采用导致劳动力缩减,同时重组成本达18亿美元,同比增长481%。Oracle计划2026年通过债务和股权筹集450至500亿…
-
GitHub联合开源联盟呼吁修改加州AI透明度法案以保护开源
GitHub 联合 Black Forest Labs、Hugging Face 与 Mozilla Corporation 组成开源联盟,呼吁对加州 AI 透明度法案(SB 942,拟由 SB 1000 修正)进行针对性修改。当前草案要…
-
OpenAI 助力 Appia Foundation 推动先进 AI 共享标准建设
OpenAI 通过 Appia Foundation 支持制定先进 AI 的共享标准,涵盖评估框架、安全实践与全球合作。
-
Omio 如何构建对话式旅行的未来
Omio 利用 OpenAI 技术打造对话式旅行体验,加速产品开发进程,并推动自身向 AI 原生公司转型。
论文研究
-
九位评委,两个有效投票:相关错误削弱LLM评审面板
苹果机器学习研究团队发现,LLM-as-a-judge面板因模型间高度相关而严重受限。对7个模型家族的9个前沿大语言模型在3个自然语言推理数据集上的测试表明,9位评委实际仅提供约2个独立投票的信息量,面板准确率比独立投票理想值低8–22个…
-
基于指标依赖的标注饱和:从标签分布中学习
在ChaosNLI数据集(每项100个标注)上微调NLI模型,发现所需标注人数因评估指标而异:熵相关(识别分歧项)需约20-50个标注者收敛,KL散度(分布匹配)约10个标注者即饱和(达全量效果的87%-95%)。软标签的熵相关r=0.6…
技巧与观点
-
huggingface_hub 实现每周发布:AI、开源工具、人工审核闭环
Hugging Face 将 huggingface_hub 的发布周期从每 4‑6 周缩短至每周,全部由单个 GitHub Actions 工作流自动完成。流程依赖开源工具和开权重模型(当前为 Z.ai 的 GLM‑5.2)来起草发布说…
-
在 Transformers.js 中实验提议的跨源存储 API
Transformers.js 在浏览器中运行 AI 模型时,不同来源的 Web 应用会重复下载并缓存相同的模型资源(如 Xenova/whisper-tiny.en)和 Wasm 运行时文件(如 4,733 kB 的 ort-wasm-…
-
Meta 如何为 AI 眼镜设计超窄钢壳电池
Meta 工程团队为 Ray-Ban Meta 等智能眼镜开发了宽度仅 7mm 的钢壳电池。传统软包电池难以塑形且空间利用率低,Meta 改用叠片式电极结构以降低阻抗、避免多任务时电压骤降,并将公差控制在约 100 微米以释放更多体积。G…
-
Claude Tag 的 Agent Identity 访问模型
Claude Tag 推出 agent identity(智能体身份)访问模型,让 Claude 在共享频道中以独立身份工作,而非模拟某个用户。管理员在工作区级配置连接器、仓库访问、技能插件和固定指令等权限,每个频道可覆盖继承的基线设置。…
-
GPT-5 帮助免疫学家 Derya Unutmaz 解开三年未解之谜
GPT-5 Pro 帮助免疫学家 Derya Unutmaz 解决了一个长达三年的免疫学谜团,揭示了 T 细胞行为的新见解。这一突破可能为癌症和自身免疫疾病研究提供支持。