模型 - AI在线

超越CoT！微软剑桥中科院提出MVoT，直接可视化多模态推理过程

大模型也学会了「空间想象力」？还可以自己解释自己？在大语言模型（LLMs）和多模态大语言模型（MLLMs）中，思维链（CoT）在复杂推理方面非常有效。

山姆·奥特曼揭秘：Deepseek R1性价比之选！

在当今的人工智能领域，大模型之间的竞争日益激烈。 Deepseek 推出的 R1 模型引起了广泛关注。山姆·奥特曼评价道：“Deepseek 的 R1 是一个令人印象深刻的模型，尤其是在他们能够以这个价格提供的东西方面。

零样本 | ZAPS：零样本扩散采样，3倍加速逆问题重建，重塑高效影像修复新范式

一、一眼概览ZAPS（Zero-Shot Approximate Posterior Sampling）是一种针对扩散模型（Diffusion Models, DMs）在逆问题（Inverse Problems）中的高效采样方法。它利用零样本学习（Zero-Shot Learning）进行自适应超参数优化，使得扩散采样步骤固定，同时提高重建质量并减少推理时间。二、核心问题当前的扩散模型在解决逆问题（如去模糊、修复、超分辨率）时，存在以下挑战：需要大量的采样步骤，导致推理速度慢；现有的噪声调度策略（Noise Schedule）在逆问题场景下难以直接适用；传统方法使用手动调整的对数似然权重（Log-Likelihood Weights），不够鲁棒，容易导致次优解。

图解系列｜DeepSeek-R1的出众推理能力因何而来？

图片DeepSeek-R1 代表了人工智能发展的又一重要里程碑。对于机器学习领域的研究人员与开发者群体而言，这次发布之所以备受关注，主要有以下两点：首先，这是一款开源权重的模型，并且提供了更小的、经过蒸馏的版本；其次，它公布并深入探讨了训练方法，该方法能够复现类似于 OpenAI O1 的推理模型。本文将带您了解这一模型的构建过程。

李飞飞、DeepSeek为何偏爱这个国产模型？

斯坦福李飞飞团队的一篇论文，近来在AI圈子掀起了一场飓风。他们仅用1000个样本，在16块H100上监督微调26分钟，训出的新模型s1-32B，竟取得了和OpenAI o1、DeepSeek R1等尖端推理模型相当的数学和编码能力！团队也再次证明了测试时Scaling的威力。

历史分水岭：DeepSeek GitHub星数超越OpenAI！大佬揭秘仅用450美元训推理模型

就在刚刚，历史性的一刻出现了。 DeepSeek项目在GitHub平台上的Star数，已经超越了OpenAI。热度最高的DeepSeek-V3，Star数如今已达7.7万。

免费功能卷翻付费版ChatGPT，欧洲AI新贵叫板OpenAI

“欧洲OpenAI”Mistral AI有新动作了！ Le Chat（法语“猫”）全新升级，官方自称它是“您生活和工作的终极AI助手”。从今天开始，Le Chat上线移动端，iOS和Android都支持，不久也将对企业私有基础设施开放。

全球顶级AI科学家许主洪加盟阿里！IEEE Fellow，五万被引论文数，曾任Salesforce集团副总裁

AI的新进展频频，人才动态也愈加重磅。新年第一则大牛人事动向，引发业内关注。许主洪，IEEE Fellow，新加坡管理大学终身教授，被曝加盟阿里。

被DeepSeek带火的知识蒸馏，开山之作曾被NeurIPS拒收，Hinton坐镇都没用

DeepSeek带火知识蒸馏，原作者现身爆料：原来一开始就不受待见。称得上是“蒸馏圣经”、由Hinton、Oriol Vinyals、Jeff Dean三位大佬合写的《Distilling the Knowledge in a Neural Network》，当年被NeurIPS 2014拒收。如何评价这篇论文的含金量？

《麻省理工科技评论》点评中国AI“四剑客”，每家都媲美DeepSeek

春节期间，DeepSeek 一跃成为全球瞩目的焦点。它以仅约十分之一的超低训练成本，成功推出了性能与OpenAI o1近乎相当的开源模型，对全球科技领域带来巨大冲击，先后引发美国科技股的大幅下跌，以及硅谷科技巨头和各国政要的纷纷回应，如今全球各大芯片厂商和智算云服务厂商更是积极响应、跟进适配。半个月来，DeepSeek相关话题热度居高不下，热搜频频，已成为全球科技、经济乃至政治领域的重要话题。

英伟达联手MIT清北发布SANA 1.5！线性扩散Transformer再刷文生图新SOTA

近年来，文本生成图像的技术不断突破，但随着模型规模的扩大，计算成本也随之急剧上升。为此，英伟达联合MIT、清华、北大等机构的研究人员提出了一种高效可扩展的线性扩散Transformer——SANA，在大幅降低计算需求的情况下，还能保持有竞争力的性能。 SANA1.5在此基础上，聚焦了两个关键问题：线性扩散Transformer的可扩展性如何？

DeepSeek R1 集成难题完美解决：Deepseek4j 已开源

一、为什么需要 deepseek4j？ 1.1 现有框架的局限性思维链内容丢失：R1 最核心的推理过程完全被忽略响应模式不兼容：无法处理"思考在前、结论在后"的输出模式参数限制：temperature、top_p 等关键参数设置失效流式处理不完善：用户体验欠佳虽然笔者上篇博客介绍了如何使用 WebFlux 直接调用 DeepSeek API，但这种方式存在一些问题：开发成本高：直接调用 API 或改造现有框架需要处理大量细节，包括请求构建、响应解析、错误处理等。一不做二不休，为了彻底解决这些问题，笔者基于 OpenAI4J[1] 项目的优秀架构，打造了一个专门面向 DeepSeek 的开箱即用方案 DeepSeek4J[2]增强支持 DeepSeek 独有的思维链和账单特性增加 Project Reactor 的全面响应式支持提供集成 Spring Boot Starter，提供自动配置二、核心特性 ✨ 完整保留思维链能力、账单🚀 响应式流式处理🛠 简单优雅的 API 设计📦 开箱即用的 Spring Boot 集成，同时支持 2.x / 3.x💡 内置调试页面🔍 详细的请求响应日志🔧 灵活的代理配置⚡️ 响应式编程支持三、快速开始 3.1 添加依赖复制3.2 配置参数复制3.3 基础使用复制3.4 进阶配置复制

未来教室的变革：大语言模型LLM会取代老师吗？揭秘教育新纪元

大语言模型（LLM）的发展是近年来人工智能领域的重要突破，其背后是深度学习、自然语言处理等技术的快速进步。从早期的简单问答系统到现在能够理解和生成复杂文本的智能模型，大语言模型已经广泛应用于各个领域，包括客服机器人、智能搜索引擎、自动化写作等。随着技术的进步，人们开始探讨这样一个问题：大语言模型是否将在未来取代老师的角色？

突发！o3-mini思维链公开，却被曝光全是「作假」，奥特曼现身解释网友炸锅

OpenAI，真的被DeepSeek逼急了！活久见，就在刚刚，OpenAI把o3-mini的「思维链」公开了。比如问「怎么今天不是星期五啊😅」？

DeepSeek开源Janus-Pro-7B：多模态AI模型性能超越DALL-E 3 和 Stable Diffusion 3!

中国人工智能公司 DeepSeek 的 R1“推理”人工智能已经引起了广泛关注，位居应用商店排行榜首位并改变了股市。随后DeepSeek又宣布开源新一代多模态模型Janus-Pro-7B，该模型在图像生成、视觉问答等任务中全面超越 OpenAI 的 DALL-E 3 和 Stable Diffusion 3，并以“理解-生成双路径”架构和极简部署方案引发AI社区轰动。性能表现：小模型吊打行业巨头Janus-Pro-7B虽仅有70亿参数（约为GPT-4的1/25），却在关键测试中碾压对手：文生图质量：在GenEval测试中以80%准确率击败DALL-E 3（67%）和Stable Diffusion 3（74%）复杂指令理解：在DPG-Bench测试中达84.19%准确率，能精准生成如“山脚下有蓝色湖泊的雪山”等复杂场景多模态问答：视觉问答准确率超越GPT-4V，MMBench测试得分79.2分接近专业分析模型技术突破：像“双面神”分工协作传统模型让同一套视觉编码器既理解图片又生成图片，如同让厨师同时设计菜单和炒菜。

DeepSeek开源多模态模型Janus-Pro的ComfyUI使用教程，文中附模型和工作流下载

模型