模型
16张H100训26分钟，超越o1-preview！李飞飞等用1K样本，揭秘测试时Scaling
OpenAI o系列模型为何性能如此强大？ OpenAI将他们的方法描述为使用大规模强化学习（RL），暗示使用了大量的数据。 最近大火的DeepSeek-R1模型也通过使用数百万个样本和多个训练阶段使用强化学习的方式，成功地达到了o1级别的性能。
对标DeepSeek，Gemini 2.0轻量模型开卷“极致性价比”！谷歌守住多模态阵地，油管、地图应用们都要开始做推理了！
编辑 | 伊风出品 | 51CTO技术栈（微信号：blog51cto）DeepSeek的火热，让Google坐不住了！ 深夜，Google推出了Gemini 2.0全家桶，一口气推出了三个模型型号：Gemini 2.0 Flash、Gemini 2.0 Flash-LiteGemini 2.0 Pro。 图片看技术报告，2.0系列的三个模型在通用、代码、推理、事实性、多语言等方面指标如下。
力压DeepSeek-R1！谷歌Gemini 2.0系列集体上新，全员跻身大模型竞技场前10
终于，谷歌DeepMind坐不住了，出手就是超越DeepSeek-R1！ 劈柴哥亲自官宣Gemini 2.0家族更新，分别是Gemini 2.0 Flash、Gemini 2.0 Pro、Gemini 2.0 Flash-Lite。 同时，稳居大模型竞技场第1名的推理模型Gemini 2.0 Flash Thinking，已在Gemini App中推出。
零样本 | ZeroDiff：扩散模型助力零样本学习，打破数据限制，实现高效泛化
一眼概览ZeroDiff 提出了一种基于扩散模型的生成式零样本学习（ZSL）方法，提升数据利用效率，实现类别级和实例级的增强。 在多个ZSL基准数据集上，ZeroDiff 取得了显著的性能提升，特别是在数据稀缺情况下仍保持稳健。 核心问题零样本学习（ZSL）试图在无训练样本的情况下识别新类别，主要依赖于已知类别的语义信息。
终结谷歌搜索！OpenAI免费开放ChatGPT搜索，无需注册
今天凌晨3点，OpenAI宣布向所有用户开放ChatGPT搜索功能，无需注册。 与谷歌那种传统收录模式的搜索引擎相比，ChatGPT搜索可以更快抓取网络信息，能实现分钟级别的解析，这对于股票、体育、财经等，需要第一时间快速获取新闻内容的行业帮助非常大。 同时借助大模型的能力，可以更好地解读用户的搜索想法，并且可以提供搜索结果的源地址。
小红书提出新面部视频交换方法DynamicFace，可生成高质量且一致的视频面部图像
DynamicFace是一种新颖的面部视频交换方法，旨在生成高质量且一致的视频面部图像。 该方法结合了扩散模型的强大能力和可插拔的时间层，以解决传统面部交换技术面临的两个主要挑战：在保持源面部身份的同时，准确传递目标面部的运动信息。 通过引入四种细粒度的面部条件，DynamicFace能够对面部特征进行更精确的控制，从而实现高保真度的面部交换。
Figure与OpenAI解除合作！人形机器人迎来iPhone时刻，AGI已在内部实现？
刚刚，爆火出圈人形机器人Figure与OpenAI终止合作了！ 创始人Brett Adcock称，我们已经在端到端AI上取得了重大突破，且完全由内部团队独立研发。 「未来一个月，我们将会展示前所未有的机器人技术」。
为什么大语言模型难以处理长上下文？从 Transformer 到 Mamba
OpenAI 在两年前推出 ChatGPT 时，其能够处理的上下文信息仅有 8,192 个 tokens1。 换言之，如果输入的文本超过大约 15 页，它就会“遗忘”最初的上下文内容。 这一限制使得 ChatGPT 在处理任务时的规模和复杂度都受到了影响。
AAAI 2025 | 大模型会组合关系推理吗？打开黑盒，窥探Transformer脑回路
本文作者为北京邮电大学网络空间安全学院硕士研究生倪睿康，指导老师为肖达副教授。 主要研究方向包括自然语言处理、模型可解释性。 该工作为倪睿康在彩云科技实习期间完成。
数学真理的极限在哪里？希尔伯特第十问题扩展版得到证明
数学世界充满了无法触及的角落，那里存在着许许多多无法解决的问题。 现在，又一个角落被照亮了。 1900 年，著名数学家大卫・希尔伯特（David Hilbert）公布了一份清单，其中包含 23 个关键问题，并希望以此指导下个世纪的数学研究。
英伟达憾失DeepSeek关键人才？美国放走AI「钱学森」，哈佛教授痛心疾首
DeepSeek给美国造成的威胁，还在加剧。 就在昨天，DeepSeek的日活数已经达到ChatGPT的23%，每日应用下载量接近500万！ a16z联创Marc Andreessen发文谁能想到，做出DeepSeek关键贡献的人才，本来是可能留在美国的。
训练1000样本就能超越o1，李飞飞等人画出AI扩展新曲线
跟大模型说：要多想。 今年 1 月，DeepSeek R1 引爆了全球科技界，它创新的方法，大幅简化的算力需求撼动了英伟达万亿市值，更引发了全行业的反思。 在通往 AGI（通用人工智能）的路上，我们现在不必一味扩大算力规模，更高效的新方法带来了更多的创新可能。
快手发布DragAnything，拖动锚点精准控制视频物体和镜头运动，视频运动控制技术革命性更新
快手联合浙江大学、新加坡国立大学发布了DragAnything ，利用实体表示实现对任何物体的运动控制。 该技术可以精确控制物体的运动，包括前景、背景和相机等不同元素。 该项目提供了对实体级别运动控制的新见解，通过实体表示揭示了像素级运动和实体级运动之间的差异。
Sam Altman炸场东京，亲曝GPT-5研发路线图，多模态能力颠覆传统
昨天，OpenAI联合创始人兼首席执行官Sam Altman出席了日本东京大学活动，介绍了OpenAI的技术研发、产品规划以及GPT模型未来发展等重要信息。 在问答环节，有学生提到了大家比较关心的GPT-5问题，Altman表示，GPT-5将是一个超级混合模型，计划会把GPT和o系列模型整合在一起，并且支持视频、音频、图像的多模态交互。 Altman做了一个比喻，GPT-3到GPT-4是一次史诗级性能飞跃，而GPT-4再到GPT-5将会再一次重现这种惊喜。
美国新法案：禁止进口中国DeepSeek，违规罚1亿美元、监禁
在国内大模型DeepSeek席卷全球致使美国科技股暴跌后，美国参议员Josh Hawley提出《美国AI能力与中国脱钩》法案，以保护美国的AI开发不受中国影响。 Hawley在序言中写道：“流入中国AI的每一美元和每一字节数据，最终都会被用来对付美国。 美国不能在牺牲自身实力的情况下，增强我们最大的对手。
超越DragDiffusion!哈工程联合南大提出FastDrag：可以几秒内完成基于拖动的图像编辑
今天给大家介绍哈工程联合南大等提出的图像编辑方法FastDrag，该方法不需要LoRA训练，从而显著减少了图像编辑的时间消耗（FastDrag仅需3.12秒完成图像编辑），比DiffEditor快近700%（DiffEditor需要21.68秒完成图像编辑），比经典的基于n步迭代的图像编辑方法（如：DragDiffusion）快2800%（DragDiffusion需要1分21.54秒完成图像编辑）。 此外，即使没有使用LCM加速的情况下，所提出的FastDrag方法仍然比目前SOTA的方法快很多。 相关链接论文链接：: ，用户只需单击几下即可操作图像中的任何内容。
DeepSeek 全面指南：95% 的人都不知道的九个技巧
大家好，我是汤师爷~最近，DeepSeek这款AI工具爆火国内外。 虽然许多人都开始尝试使用它，但有人吐槽说，没想象中那么牛。 其实问题不在工具，很多人的使用姿势就搞错了，用大炮打蚊子，白白浪费DeepSeek的强大功能。
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。