模型

在现代化工具的帮助下，科研人员的群体规模、效率都有显著提升，发表科学文献的数量几乎是呈指数级增长，而人类的阅读效率却几乎没有提升，新入行的研究人员一下子就要面对过去数十年的研究成果。 为了更快地掌握行业动态，研究者往往会考虑优先阅读那些更知名的、影响力更大的论文，从而会忽视掉很多潜在的、具有颠覆性的发现。 以ChatGPT为首的大模型算是一个很有潜力的辅助阅读、科研的解决方案，其通用能力覆盖了专业…

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。

科技媒体 techtarget 昨日（12 月 6 日）发布博文，报道称 Ultralytics 公司的 YOLOv11 AI 模型遭遇供应链攻击，v8.3.41 和 v8.3.42 两个版本被植入加密挖矿软件。

融合物理知识的大型视频语言模型PhysVLM，开源了！ 它不仅在 PhysGame 基准上展现出最先进的性能，还在通用视频理解基准上（Video-MME, VCG）表现出领先的性能。 在这项研究之前，想让AI像人类儿童一样，通过观察世界理解基本的物理常识，是一个主要挑战。

我们知道 RAG 有两个核心的过程，一个是把信息存放起来的索引过程，一个是利用找到相关信息生成内容的检索生成过程。 所以，我们这个 RAG 应用也要分成两个部分：索引和检索生成。 RAG 是为了让大模型知道更多的东西，所以，接下来要实现的 RAG 应用，用来增强的信息就是我们这门课程的内容，我会把开篇词做成一个文件，这样，我们就可以和大模型讨论我们的课程了。

OpenAI最新交互数据，就这么水灵灵被奥特曼全抖出来了：每周超过3亿活跃用户每天用户们在上面发送10亿条消息130万美国开发者使用OpenAI开发，全球数量更庞大用户快速增长和频繁使用带来的计算量剧增，OpenAI自己都没预料到。 奥特曼亲口表示，如果当时知道这些，OpenAI一开始就不会选择非营利结构。 以上，是OpenAI CEO奥特曼在刚刚结束的2024年纽约时报DealBook峰会上接受…

上个月刚刚离开OpenAI的Lilian Weng，发布了离职后的首篇博客！ 在当时的离职信里，她承诺将付出更多的时间来更新博客。 果不其然，感恩节假期刚刚结束，她的博客马上就营业了，更新了一篇关于奖励欺骗问题的文章。

如果说有一类游戏贯穿AI发展的始终，围绕其诞生的Thinking Game至今仍影响着最前沿AI技术的发展，那么答案很显然：棋类游戏。 就在新加坡举办的国际象棋世界冠军赛（WCC 2024）上——就是中国国际象棋世界冠军丁立人，迎战国际象棋史上最年轻世界冠军挑战者、印度棋手古克什的比赛——尽管是人类顶尖头脑之间的对弈，比赛现场，AI的氛围仍然浓烈。 除了Imagen 3和Gemini Flash加…

果不其然，满血版o1终于正式上线了，而且还带来了地表最强o1 Pro Mode！ 12天连更第一天，OpenAI随手扔了一个炸弹。 这次，Sam Altman本人正式出镜，和研究科学家Hyung Won Chung、Max，以及思维链提出者Jason Wei一起，在短短15分钟内速速完成了发布。

视频生成模型评测权威榜单VBench，突遭“屠榜”。 这个突然杀出来的模型，就是中国电信人工智能研究院（TeleAI）刚刚发布的视频大模型（VBench上的代号为TeleAI-VAST）。 而且16项子指标有9项都是第一，大幅领先第二名。

编辑 | 伊风出品 | 51CTO技术栈（微信号：blog51cto）AI公司年底要冲业绩了！ 一觉醒来，OpenAI宣布了未来12天的直播活动，而老对手谷歌直接发布了Genie 2，宣布在世界模型方面又迈出重要一步！ 图片但，至少今天是谷歌更胜一筹——Genie 2是在太令人印象深刻了！

豆包代码大模型，不小心给曝光了！ 在字节开源的代码大模型评估基准FullStack Bench里面，出现了此前字节未披露过的Doubao-Coder。 不过目前还只是Preview版，还并没有上线。

这个名字，ChatGPT拒绝说出。 如果你试图写出它的名字，那么聊天就会立即结束。 背后是什么原因？

人工智能顶会NeurIPS 2024大会公布了本年度最佳论文奖，今年大会共收到15671篇论文，最终接收率只有25.8%，其中两篇文章获得最佳论文奖一是由北大与字节跳动团队共同完成的《Visual AutoRegressive Modeling: Scalable Image Generation via Next-Scale Prediction》（VAR）获得（尴尬的是论文一作田柯宇被字节起诉…

大模型的核心组件注意力机制，究竟如何诞生的？ 可能已经有人知道，它并非2017年Transformer开山论文《Attention is all you need》首创，而是来自2014年Bengio实验室的另一篇论文。 现在，这项研究背后更多细节被公开了！

就在刚刚，谷歌DeepMind的第二代大规模基础世界模型Genie 2诞生了！ 图片从此，AI可以生成各种一致性的世界，最长可玩1分钟。 谷歌研究人员表示，相信Genie 2可以解锁具身智能体的下一波能力。

在计算机视觉领域迅速发展的今天，YOLO（You Only Look Once）模型已成为实时目标检测任务的热门选择。 从自动驾驶到视频监控，YOLO模型因其速度和准确性而表现出色。 然而，与任何机器学习模型一样，训练数据的质量极大地影响着它们的性能。

特别是随着AI大模型技术的突破，AI在创意生成、知识处理、智能对话等领域的应用前景更是令人期待。 然而，AI应用的高门槛却使众多企业和高校望而却步：在项目概念验证（PoC）阶段，企业面临难以迅速评估AI应用成效的挑战，导致项目推进充满不确定性；从环境配置到系统集成，AI项目的实施通常需要专业技术团队的支撑，而漫长的开发周期及高昂的人力成本则构成重大负担；AI应用系统上线后，持续的运维、升级与优化等…

多模态检索增强生成（mRAG）也有o1思考推理那味儿了！ 阿里通义实验室新研究推出自适应规划的多模态检索智能体。 名叫OmniSearch，它能模拟人类解决问题的思维方式，将复杂问题逐步拆解进行智能检索规划。

刚刚，恶意攻击字节训练集群的实习生田柯宇，获得了NeurIPS 2024的最佳论文奖。 更巧的是，这篇获奖论文，恰恰就是他在字节商业化技术部门实习期间与团队合作发表的。 甚至，这篇论文还是NeurIPS 2024第六高分的论文（7,8,8,8）。

「世界首个AI编码程序员Devin，可以像『初级工程师大军』一样完成整个编程任务」。 28岁华人创始人，3届IOI金牌得主Scott Wu，在接受福布斯最新采访中坦言道。 这家成立6个月，估值20亿美金独角兽Cognition AI，如今也成为了当红巨星。

近年来，Transformer 成为深度学习领域的绝对主角，而支撑其核心的“注意力”机制更是掀起了一场革命。 但这项改变 AI 格局的技术究竟是如何诞生的？ Andrej Karpathy 分享了与“注意力”机制最初开发者 Dzmitry Bahdanau 的私人邮件，首次披露了这段被误解和简化的历史。

用大模型“蒸馏”小模型，有新招了！ 甚至能在不同类型和架构的LLMs（大语言模型）上达到新SOTA。 这就是来自中科大、腾讯优图实验室提出的一种基于Sinkhorn距离的知识蒸馏方法，能把大的、复杂的教师模型的知识“蒸馏”到小的、简单的学生模型中，从而让小模型也能像大模型一样工作。

130亿参数，成为目前参数量最大的开源视频生成模型。 模型权重、推理代码、模型算法等全部上传GitHub与Hugging Face，一点没藏着。 实际效果如何呢？