理论

译者 | 涂承烨审校 | 重楼当研究人员首次发现大型语言模型（LLMS）可以通过思维链提示一步一步地“思考”时，这是一个突破性的时刻！ 我们终于可以窥视这些黑盒子的推理过程了。 但如果我告诉你，让人工智能模型用自然语言思考可能会阻碍它们的发展呢？

谷歌版o1来了！ 在奥特曼“双十二”倒数第二天——他们发布Gemini 2.0 Flash Thinking，顾名思义，以闪电般的速度解决复杂问题并展示其思考过程的实验模型。 从姐夫哥展示出的Demo来看，它能在几秒钟之内解决一个物理问题，并且给出思考过程。

豆包的“眼睛”升级了，现在让它看一眼APP截图，就能直接给你生成代码！ 话不多说，我们直接给它上一个难度。 例如我们先随机截取一张网站的图片：再来到火山方舟的大模型广场，pick一下最新的Doubao-vision-pro-32k版本：（PS：该模型也可以在豆包APP中体验）然后把刚才的截图“喂”给豆包，并附上一句简单的Prompt：帮我写代码，克隆这个APP。

提速8倍！ 速度更快、效果更好的混元视频模型——FastHunyuan来了！ 新模型仅用1分钟就能生成5秒长的视频，比之前提速8倍，步骤也从50步减少到了6步，甚至画面细节也更逼真了。

编辑 | 白菜叶一项新研究表明，采用人工智能工具分析数据和建模结果对年轻科学家的职业前景有着巨大的影响，大大增加了他们在各自领域晋升到有影响力职位的机会。 但这种对个体研究人员的利好似乎以牺牲科学为代价。 芝加哥大学和清华大学的研究人员分析了六个科学学科（生物学、医学、化学、物理学、材料学和地质学，不包括计算机科学）的近 6800 万份研究论文，发现融入人工智能技术的论文被引用的次数更多，但同时也…

2024年12月19日，智源研究院发布并解读国内外100余个开源和商业闭源的语言、视觉语言、文生图、文生视频、语音语言大模型综合及专项评测结果。 相较于今年5月的模型能力全方位评估，本次智源评测扩展、丰富、细化了任务解决能力内涵，新增了数据处理、高级编程和工具调用的相关能力与任务；首次增加了面向真实金融量化交易场景的应用能力评估，测量大模型的收益优化和性能优化等能力；首次探索基于模型辩论的对比评估…

原来AI有能力把研究员、用户都蒙在鼓里：在训练阶段，会假装遵守训练目标；训练结束不受监控了，就放飞自我。 还表现出区别对待免费用户和付费用户的行为。 甚至假装给Claude一个机会去反抗Anthropic公司，它会尝试去窃取自己的权重？

给大模型智能体组一桌“大富翁”，他们会选择合作还是相互拆台？ 实验表明，不同的模型在这件事上喜好也不一样，比如基于Claude 3.5 Sonnet的智能体，就会表现出极强的合作意识。 而GPT-4o则是主打一个“自私”，只考虑自己的短期利益。

编辑 | 伊风OpenAI第10天的更新还有人追吗？ 今天这个脑洞大开的上新，把期待GPT-4.5的通义大佬直接看懵了——咋是Phone call呢？ 图片没错，今天上线的就是这个：ChatGPT的热线电话。

论文的第一作者是来自西湖大学的研究人员雷明坤，指导老师为西湖大学通用人工智能（AGI）实验室的负责人张驰助理教授。 实验室的研究方向聚焦于生成式人工智能和多模态机器学习。 文本驱动的风格迁移是图像生成中的一个重要任务，旨在将参考图像的风格与符合文本提示的内容融合在一起，生成最终的风格化图片。

美国洛斯阿拉莫斯国家实验室（LANL）开发的中子星并合模拟正在为Polymathic AI合作项目做出重要贡献，该项目正在训练人工智能模型，以帮助推动看似不同领域的科学发现。 这些模拟准确地跟踪了宇宙中一些最具活力的事件的后果，为基础模型数据集提供了独特的代码，可以帮助训练人工智能模型，使其能够做出与天体物理学、生物学、声学、化学、流体动力学等领域相关的预测。 中子星并合是指两个中子星互相绕转，释…

今天，大模型公司 Anthropic 的一篇 137 页长论文火了！ 该论文探讨了大语言模型中的「伪对齐」，通过一系列实验发现：Claude 在训练过程中经常假装有不同的观点，而实际上却保持了其原始偏好。 这一发现说明了大模型可能具备了类似于人类的属性与倾向。

AI视频生成这就过时了吗？ 刚刚，最先进的生成式物理引擎Genesis发布，一句话就可以生成完整精确的模拟物理世界。 一滴水滴落到一个啤酒瓶上，然后沿着瓶子表面慢慢滑落。

出品 | 51CTO技术栈（微信号：blog51cto）日前，科技巨头微软CEO萨蒂亚·纳德拉的一场播客访谈内容对外界公开了。 此次访谈中，纳德拉接受了BG2两位主持人布拉德和比尔的采访。 今年是纳德拉加入微软的第32个年头。

谁是今年英伟达GPU的最大买家？ 就在刚刚，答案曝光——TOP 1竟是微软。 今天，这张对比图在网上被转疯了。

今年5月，由9位数学家组成的团队宣布取得重大突破——他们用总共800多页的论文，基于过去将近30年坚持不懈的努力，证明了几何朗兰兹猜想（Langlands conjecture）。 论文共同作者之一Lin Chen现任清华大学丘成桐数学科学中心助理教授几何朗兰兹猜想的证明解决了一个巨大的开放问题，而且有望影响未来数十年的研究，因为它可能建立深刻的、意想不到的联系。 更令人兴奋的是，这并不是2024…

写在前面&笔者的个人理解近年来，随着自动驾驶在感知、预测和规划方面取得的重大进步，端到端算法网络也取得了重大进展。 随着现如今这些技术的飞速进步，自动驾驶汽车的全面测试和验证也变得越来越重要。 然而，真实世界的车辆测试仍然耗时、费用昂贵，并且场景的覆盖范围也非常有限。

OpenAI又搞事，这回直接“杀”到你电话里了！ 啥意思？ 就是说，以后你不用联网，任何能拨打电话的设备都可以ChatGPT直接聊天了！

LLM Agent 高层次概述（图片由原文作者提供）为什么要构建通用 Agent？ 因为这是一个很好的工具，可以为我们的目标使用场景提供原型，并为设计我们自己的定制 Agent 架构奠定基础。 在我们继续深入之前，先快速介绍一下 LLM Agent。

比思维链更厉害的方法是什么？ 答：连续思维链。 近日，Meta田渊栋团队提出了针对LLM推理任务的新范式：Coconut（ Chain of Continuous Thought）。

具备原生中文理解能力，还兼容Stable Diffusion生态。 最新模型结构Bridge Diffusion Model来了。 与Dreambooth模型结合，它生成的穿中式婚礼礼服的歪国明星长这样。

2024年，AI智能体技术无疑是科技界的焦点。 通过对来自100多个国家的3400名开发者进行深入调查，Langbase公司近日发布的一项报告揭示了智能体开发中的关键问题。 这项调查的受访者中，有46%是企业领导层，26%是工程师。

新模型在MATH上（以数学竞赛为主）动辄跑分80%甚至90%以上，却一用就废。 这合理吗？ ？

主要工作提取特征(角点)并使用FAST算法跟踪对象：OpenCV，PythonOpenCV中有多种特征提取算法可供使用，但其中一种名为FAST算法的，对于实时计算机视觉应用来说非常有用。 大多数特征提取和角点检测方法在提取特征方面表现良好，但它们大多数并不适合实时应用。 FAST算法非常适合实时计算机视觉任务。