资讯列表
Java AI 实战：本地模型JSON结构化输出
在人工智能和机器学习领域，大语言模型(LLM)的应用日益广泛。 Ollama 作为一个强大的开源 LLM 工具，不仅可以进行自然语言对话，还能生成结构化的输出数据。 本文将详细介绍如何使用 Ollama 生成 JSON 格式的输出，并提供完整的 Java 实现方案。
OpenAI向超级人工智能迈进
OpenAI首席执行官Sam Altman在2025年刚开始就对人工智能的未来发出了大胆的宣言。 Altman表示，OpenAI现在对如何创建AGI（通用人工智能）充满信心，并将重点转移到下一个前沿领域：超级人工智能。 OpenAI的最新模型o3于去年12月发布，目前正在进行安全评估，成功通过了领先的AGI基准ARC-AGI挑战。
4年内AI统治脑力工作，人类只剩搬砖？马斯克预言300亿机器人占领世界
「4年内，除了体力活，AI将掌管一切脑力工作」！ 马斯克的一句话，惊爆全网。 就在CES 2025期间的一场特别专访中，马斯克畅聊了AI在认知任务、人形机器人、Neuralink等技术进步，如何对人类生活产生变革性的影响。
让Qwen2.5 7B超越o1，微软干的！MSRA推出小模型数学推理自我进化新方法
7B参数的Qwen2.5数学推理表现超过o1-preview，这是怎么做到的？ ！ 靠的就是MSRA最新的创新算法，rStar-Math。
个人跑大模型，英伟达「皮衣刀客」新出的Project DIGITS与M4 Mac Mini到底哪个好？
前些天，英伟达发布了一大堆东西，其中包括一款 AI 超级计算机 Project DIGITS，机器之心也在第一时间进行了报道，参阅《RTX5090 震撼发布，国行 16499 元起，黄仁勋「美国队长」pose 亮翻全场》。 在这篇文章的评论区，一位读者的问题引发了不少争议。 虽然该问题的最高赞回复表示这是「英伟达被黑得最惨的一次」，但实际上使用 Mac Mini 作为个人的大模型运行平台并不是什么罕见操作。
阿里通义万相 2.1 模型宣布升级：首次实现中文文字视频生成功能，支持无限长 1080P 视频的高效编解码
通义万相 2.1 还支持复杂运镜，可还原碰撞、反弹、切割、挤压等真实世界的物理规律，例如雨滴落在伞上会溅起水花。
银河通用具身VLA大模型已充分泛化，预训练基于仿真合成大数据！
近日，英伟达CEO黄仁勋在今年CES的演讲无疑让整个科技圈为之沸腾。 他先是向全世界展示了搭载Blackwell新架构的新一代卡皇RTX 5090，然后介绍了英伟达对于人形机器人发展的期盼和投入，并以令人印象深刻的画面结尾——「来自银河通用的全场唯一一台轮式具身大模型机器人Galbot G1将RTX 5090缓缓托起。 」发布会结束后，黄仁勋更是第一时间亲自来到银河通用所在的展区，与Galbot机器人进行真机互动。
2025 年来了，3D 生成也迎来了新突破
2025 年来了，3D 生成也迎来了新突破。 刚刚，Stability AI 在 CES 上宣布为 3D 生成推出一种两阶段新方法 ——SPAR3D（Stable Point Aware 3D），旨在为游戏开发者、产品设计师和环境构建者开拓 3D 原型设计新方式。 无论是精致的艺术品，还是纹理复杂的日常用品，SPAR3D 都能提供精确的几何形状和完整的 360 度视图的详细预测，包括通常隐藏的区域（例如物体的背面）：值得一提的是，SPAR3D 还引入了实时编辑功能，能在不到一秒的时间内从单个图像生成 3D 对象的完整结构。
Anthropic新研究：用统计思维评估大模型
目前，评估大模型的方法就是比在基准测试中的数值，在于突出SOTA结果，并未充分考虑统计显著性。 例如，在对不同模型进行评估时，若仅依据表面的得分高低判断优劣，而不考虑数据的不确定性和变异性，可能会得出不准确的结论。 所以，Anthropic提出了将严谨的统计思维引入大模型评估领域。
组件可控个性化生成方法MagicTailor：生成过程可自由地定制ID
本文经AIGC Studio公众号授权转载，转载请联系出处。 文章提出了一种组件可控的个性化生成方法MagicTailor，旨在个性化生成过程中可以自由地定制ID的特定组件。 相关链接论文阅读：：（T2I）扩散模型的最新进展使得能够根据文本提示创建高质量图像，但它们仍然难以生成对特定视觉概念进行精确控制的图像。
开源媒体播放器 VLC 下载破 60 亿次，预览本地 AI 字幕 / 翻译功能
VideoLAN 总裁 Jean-Baptiste Kempf 表示，即使在这个流媒体服务盛行的时代，VLC 的活跃用户数量仍在不断增长。
Open-Sora：让所有人都能轻松制作高效视频，可生成16秒720P视频，模型代码全开源！
Open-Sora是一项致力于高效制作高质量视频的计划。 目的是让所有人都能使用模型、工具和所有细节。 通过采用开源原则，Open-Sora 不仅使高级视频生成技术的使用变得民主化，而且还提供了一个简化且用户友好的平台，简化了视频生成的复杂性。
真机数据白采了？银河通用具身VLA大模型已充分泛化，预训练基于仿真合成大数据！
近日，英伟达CEO黄仁勋在今年CES的演讲无疑让整个科技圈为之沸腾。 他先是向全世界展示了搭载Blackwell新架构的新一代卡皇RTX 5090，然后介绍了英伟达对于人形机器人发展的期盼和投入，并以令人印象深刻的画面结尾——「来自银河通用的全场唯一一台轮式具身大模型机器人Galbot G1将RTX 5090缓缓托起。 」发布会结束后，黄仁勋更是第一时间亲自来到银河通用所在的展区，与Galbot机器人进行真机互动。
重大突破！微软发布“自我进化”，帮小模型超OpenAI-o1
微软亚洲研究院发布了一种创新算法——rStar-Math。 rStar-Math通过代码增强CoT、蒙特卡洛树搜索等，可以帮助小参数模型在不依赖老师模型蒸馏的情况下，实现多轮自我思维深度进化，极大增强模型的数学推理能力。 在美国数学竞赛AIME 2024测试中，rStar-Math平均解决了53.3%（8/15）的难题，超过了OpenAI o1-preview的44.6%，以及所有其他开源的大模型，成为最聪明的前20%高中数学生。
一篇推文看一年！Jim Fan力荐2025必读清单：50篇论文，扫盲「全领域AI实战」
别再反复看Transformer之类的古董级论文了，该更新论文清单了！ 现行的AI从工程技术角度可以分为十个领域：前沿大模型、基准评估、提示思维链、检索增强生成、智能体、代码生成、视觉、声音、图像/视频扩散、微调，每个领域选出5篇代表作和相关工作，看完 实践=AI全栈大神！ 前沿大模型OpenAI发布的ChatGPT把大模型带入普通消费者的日常生活中，旗下的GPT系列模型也一直是行业标杆，其中GPT1/2/3, Codex, InstructGPT, GPT4都有论文，GPT3.5, 4o, o1和o3只有相关的宣发活动。
世界模型会是L3自动驾驶的唯一解吗？2025 技术展望~
三维空间占有率（3D Occupancy）预测的目的是预测三维空间中的每个体素是否被占有，如果被占有，则对应的体素将被标记。 3D Semantic Occupancy是在三维空间内同时编码占用状态和语义信息，成为描述自动驾驶 3D 场景的一种极具吸引力的表示方式。 而自动驾驶世界模型（World Model）具备对真实物理世界的理解能力，基于一些历史信息/状态，能够预测未来时刻的场景变化甚至agents的状态变化。
2024 胡润中国人工智能企业 50 强公布：寒武纪 2380 亿价值位居榜首，科大讯飞、商汤科技前三
成立于 2016 年，总部北京的 AI 芯片企业寒武纪以 2380 亿的价值位居榜首，智能语音企业科大讯飞以 1160 亿的价值排名第二，机器视觉和大模型企业商汤科技以 500 亿的价值排名第三。
机器学习 | 从0开发大模型—译llama3-from-scratch
最近在看一篇Github上大佬的文章，从0开始训练llama3，觉得对于《从0开发大模型》有点帮助，于是翻译一下，发现其中很多内容当前系列文章的知识点相似。 原文：：、Tokenizer原始代码没有实现tokenizer，而是使用llama3的 tokenizer.model，实现代码如下：这里用了字节对编码（BPE），和我们训练的tokenzier使用的方式一样。 2、读取模型文件将模型文件下载到 Meta-Llama-3-8B 文件夹中，然后读取模型文件，代码如下：其中输出的配置看：n_layers=32：表示该模型有32个Transformer层n_heads=32：表示每个Transformer层有32个注意力头vobac_size=128256：表示词汇表大小为1282563、文本转换为token使用 tiktoken（openai的库）作为 tokenizer，实现如下：llama3-scratch其中，128000是 |begin_of_text| 的token，还包括如下特殊token：4、将token转换为embedding将上面的 token 通过 embedding 层，[17X1] 转换为 [17X4096]，即 17 个 embeding（每个token一个），长度为 4096。