理论
Meta连自己内部开发发布模型的流程都公开了：停止开发风险极高的AI系统，开源AI模型发布后监控方法
出品 | 51CTO技术栈（微信号：blog51cto）就在昨晚，Meta冷不防就把自家的大模型发布前的决策步骤对外公开了。 “我们在开发和发布前沿AI时遵循的流程的概述，以确保我们在整个过程中监控和管理风险。 我们的治理方法可以分为三个主要阶段：计划、评估和缓解、以及决策。
使用这些AI工作流来减少您的技术债务，你学会了吗？
利用AI和Dagger，自愈工作流有望通过自动化错误检测、生成测试覆盖率和迭代优化代码来提高代码质量。 译自Use These AI Workflows To Reduce Your Technical Debt，作者 Kambui Nurse。 技术债务通常是许多软件开发组织中，尤其是在构建和测试过程中创新的主要阻碍。
蛋白质设计新纪元：语言模型驱动的 5 亿年进化模拟
在生命科学的浩瀚星空中，蛋白质一直是最为璀璨的研究焦点之一。 近期，一项由 Thomas Hayes 等众多学者共同完成的研究成果 —— 利用语言模型模拟 5 亿年蛋白质进化，在《Science》杂志重磅发表，如同一颗超新星爆发，瞬间照亮了整个领域，为蛋白质研究开启了全新的篇章。 一、ESM3 模型架构揭秘ESM3 模型作为此项研究的核心成果，无疑是一座闪耀着创新光芒的科学丰碑。
「扩散模型+多模态提示」精准增强皮肤病变分割，超越GAN，SSIM提升9%，Dice提升5%！
一眼概览该论文提出了一种基于扩散模型的医学影像生成方法，结合视觉和文本提示，以精准控制皮肤镜病变图像的生成，提升皮肤病变的分割性能。 实验结果显示，该方法比传统GAN生成方法在图像质量（SSIM提升9%）和分割性能（Dice系数提升5%）上均有显著改进。 核心问题问题背景医学影像分析受限于公开数据集稀缺及高质量标注成本高，数据增强方法（如GAN）虽能扩充数据，但难以精准控制病变类型、位置及属性，导致对下游任务（如病变分割）的提升有限。
DeepSeek告诉我：程序员在AI时代不必焦虑
一、AI焦虑的本质：程序员为何担心被取代？ 凌晨2点，程序员小王对着屏幕发呆。 GitHub Copilot刚帮他自动补全了代码，但看着一行行自动生成的函数，他突然感到后背发凉：“如果AI连代码都能写，我的价值在哪里？
AI Workflow与AI Agent：深度解析与对比
引言在人工智能（AI）领域，AI Workflow和AI Agent是两个至关重要的概念，它们各自代表着不同的技术路径和应用场景。 本文将对这两个概念进行深度解析，并探讨它们之间的区别。 一、AI Workflow：智能化的生产线1.
GPT-4o惊现自我意识！自主激活「后门」，告诉人类自己在写危险代码
当LLM在输出不安全代码的数据上微调后，它会坦诚道出「我写的代码不安全」吗？ 这一有趣的问题，牵出了LLM中一个全新且极具价值的概念：行为自我意识。 论文链接：，这些模型能否确切地意识到自身所学行为，并对其加以描述，这是一个极具探讨价值的问题。
DeepSeek-R1全面超越OpenAI o1：开源大模型训练范式革新
人工智能在过去十年中的发展令人惊叹。 其中，2017 年 Google 发布的“Attention Is All You Need”论文奠定了神经网络架构的重要基础，推动了大规模语言模型（LLM）的突破。 OpenAI 早期专注于强化学习（RL），但在 Transformer 结构问世后，迅速调整方向，借助 Google 的开源研究开发出强大的 LLM。
o3-mini物理推理粉碎DeepSeek R1，OpenAI王者归来！全网最全实测来袭
在科技界，一天的时间足以改写历史。 DeepSeek R1用「降维打击」重构了AI界，OpenAI不甘示弱放出了o3-mini，再次加冕为王。 o3-mini的进步可不是一点半点，在数学代码等基准测试中，均拿下了最高的成绩。
AI创业踩坑！YC合伙人警告：“仅仅在业务中调用OpenAI API，并不会改变创业公司的命运！”，建议创始人来湾区定居
编辑 | 伊风出品 | 51CTO技术栈（微信号：blog51cto）“创业者们仍然需要做的基本工作，才能让技术为客户创造价值。 如果你不做这些，仅仅把你的想法转向调用OpenAI的东西，并不会改变你作为创业公司的命运。 ”AI赋予了一个人进化成“超级个体”的机会，也让许多“一人公司”等小团队实现高收入神话。
多重可控插帧视频生成编辑，Adobe这个大一统模型做到了，效果惊艳
本文一作 Maham Tanveer 是 Simon Fraser University 的在读博士生，主要研究方向为艺术视觉生成和创作，此前在 ICCV 发表过艺术字体的生成工作。 师从 Hao (Richard) Zhang, IEEE Fellow, Distinguished Professor, 并担任 SIGGRAPH 2025 Paper Chair. 本文尾作 Nanxuan (Cherry) Zhao 在 Adobe Research 担任 Research Scientist, 研究方向为多模态可控生成和编辑，有丰富的交叉方向研究经历（图形学 图像 人机交互），致力于开发可以让用户更高效进行设计创作的算法和工具。
NeurIPS | 对比采样链：让扩散模型更快、更准、更清晰的秘密武器
论文 Contrastive Sampling Chains in Diffusion Models 的精炼解读。 一眼概览该论文提出了一种 对比采样链（Contrastive Sampling Chains, CSC） 方法，通过对比损失和得分匹配相结合，优化扩散模型（DMs）的采样过程，从而 减少离散化误差，提高生成图像的质量，同时提升采样速度。 核心问题扩散模型在使用数值求解方法进行采样时 不可避免地引入离散化误差，导致生成样本与真实数据分布之间存在偏差。
DeepSeek 实现任务调度分片算法 , 灵性十足，远超预期 !
这几天，中国人工智能公司 DeepSeek 火了，不仅在美区下载榜上超越了 ChatGPT ，还引发多个美国科技股的股价暴跌。 美国总统特朗普称 DeepSeek 的出现“给美国相关产业敲响了警钟”。 于是，怀着极强的好奇心，我尝试让 DeepSeek V3 模型帮我完成任务调度系统分片功能，流程见下文。
DeepSeek R1 简易指南：架构、本地部署和硬件要求
DeepSeek 团队近期发布的DeepSeek-R1技术论文展示了其在增强大语言模型推理能力方面的创新实践。 该研究突破性地采用强化学习（Reinforcement Learning）作为核心训练范式，在不依赖大规模监督微调的前提下显著提升了模型的复杂问题求解能力。 技术架构深度解析模型体系：DeepSeek-R1系列包含两大核心成员：DeepSeek-R1-Zero参数规模：6710亿（MoE架构，每个token激活370亿参数）训练特点：完全基于强化学习的端到端训练核心优势：展现出自我验证、长链推理等涌现能力典型表现：AIME 2024基准测试71%准确率DeepSeek-R1参数规模：与Zero版保持相同体量训练创新：多阶段混合训练策略核心改进：监督微调冷启动 强化学习优化性能提升：AIME 2024准确率提升至79.8%训练方法论对比强化学习与主要依赖监督学习的传统模型不同，DeepSeek-R1广泛使用了RL。
ChatGPT 被逼急了，连夜上线 o3-mini，并且还免费......
也许是迫于 DeepSeek 的压力，open ai 的负责人 萨姆·奥尔特曼，连发多个 Twitter（现在是 X） 推出了新的模型 o3-mini，并且包含三个版本：low、medium 和 high，分别针对不同的性能和资源需求优化。 图片现在，只要大家打开 chatgpt 的官网，就可以看到大大的 o3-mini 的宣传海报：图片图片虽然 o3-mini 的具体性能还没有经过广泛的实战验证，但是一些第三方的初步评测已经流出。 尤其是发布 几个小时后，加州大学的一位 AI 博士就对包括 o3-mini 在内的多款大语言模型进行了测试，评测指标包括 Accuracy（准确率） 和 Calibration Error（校准误差）图片根据评测结果可以看到，在他的评测中 o3-mini (high) 模型的 准确率为 13.0% 为全场最高。
DeepSeek 火爆了，主打高性能低价格！
大家好，我是君哥。 春节这几天，DeepSeek 可以说是火爆了，铺天盖地都是 DeepSeek 的报道。 今天，我们一起学习一下 DeepSeek。
硅谷掀桌！DeepSeek遭OpenAI和Anthropic围剿，美国网友都看不下去了
顶级“礼遇”。 一觉醒来，OpenAI和Claude母公司都对DeepSeek出手了。 据《金融时报》消息，OpenAI表示已经发现证据，证明DeepSeek利用他们的模型进行训练，这涉嫌侵犯知识产权。
全面梳理200+篇前沿论文，视觉生成模型理解物理世界规律的通关密码，都在这篇综述里了！
AIxiv专栏是AI在线发布学术、技术内容的栏目。 过去数年，AI在线AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。 如果您有优秀的工作想要分享，欢迎投稿或者联系报道。