模型
世界模型再进化！博士AdaWM：自适应世界模型规划新SOTA
本文经自动驾驶之心公众号授权转载，转载请联系出处。 论文链接：：基于自适应世界模型的自动驾驶规划。 基于世界模型的强化学习（RL）已经成为一种有前景的自动驾驶方法，它学习潜在动态模型并且用其训练规划策略。
人类最后一次考试，AI惨败正确率＜10%！数百顶级专家联手出题，DeepSeek竟是王者
捍卫「人类智慧」最后一战!刚刚，Scale AI和Center for AI Safety（CAIS）公布了「人类最后一场考试」结果！ 新基准全称「人类最后一次考试」（Humanity’s Last Exam），简称「HLM」，包含3000个问题，由数百位领域专家开发，用于追寻人类知识推理的边界。 目前，最好的模型，准确率也小于10%，而且自信「过头」。
曝DeepSeek让Llama4未发布已落后！小扎坐不住了：2025预算4000亿起步，年底AI算力将达130万卡
Meta这次真的坐不住了，计划在AI上继续加码！ 匿名员工爆料，黑马DeepSeek的出现，让Llama 4还未发布就已经落后，Meta慌了。 就在这一消息沸沸扬扬时，小扎放出消息，2025年继续扩大AI投资。
DeepSeek-R1持续震撼硅谷：跻身竞技榜前三，创始人梁文锋采访被“拿放大镜”看
“神秘东方力量”DeepSeek给硅谷带来的影响，还在不断泛起涟漪——刚刚，DeepSeek-R1跻身大模型竞技榜前三。 以开源、便宜20倍的“身价”与ChatGPT-4o（2024.11.20）并列。 在复杂提示词/风格控制榜单上，R1位列第一。
颠覆LLM格局！AI2新模型OLMo2，训练过程全公开，数据架构双升级
最近，非营利研究机构AI2上新了OLMo2系列模型，他们称之为「迄今为止最好的完全开源模型」。 OLMo 2系列包含7B和13B两个型号，相比如Llama 3.1和Qwen 2.5等开源模型达到了同等甚至更优的性能，同时FLOPS计算量更少，在性能和计算效率之间取得了极佳的平衡，为开源LLM开辟了新的可能性。 不同大小开源模型的性能对比，OLMo 2的表现优于同参数规模模型在多个下游任务上，OLMo 2展现出了强大的泛化能力和适应能力。
六大维度，LLM「问题生成」首次正面PK人类！伯克利等发布最新研究
长期以来，问题生成（Question Generation）任务都是根据「给定事实」来编写各种相关问题，已经发展出了很多自动化的方法。 大型语言模型（LLM）的兴起，极大提升了各种自然语言处理（NLP）任务的性能，其中也包括问题生成，虽然应用广泛，但还没有研究讨论过「用LLMs生成问题的特点」。 没有额外提示约束时，LLMs是更倾向于生成较长还是较短的问题？
OpenAI首个智能体Operator大测评，你也能拥有24小时私人管家！
演唱会抢票终于不用自己蹲守了，公司订餐也可以直接「无脑托管」，这就是OpenAI今天发布的Operator。 顾名思义，Operator就是能帮你端到端处理任务的AI智能体。 比较有趣的是，OpenAI针对Operator新开了一个网页operator.chatgpt.com，而不是像之前发布的功能都直接统一内置在ChatGPT中。
向视觉版o1出击，阶跃张祥雨团队推出“慢感知”，实现感知层面的推理时scaling
视觉版o1的初步探索，阶跃星辰&北航团队推出“慢感知”。 研究人员认为：1）目前多模领域o1-like的模型，主要关注文本推理，对视觉感知的关注不够。 2）精细/深度感知是一个复杂任务，且是未来做视觉推理的重要基础。
史上最难大模型测试集，千名专家铸成！没有模型得分超过10%，但DeepSeek-R1超o1
史上最难的大模型测试集来了！ 包括o1在内，没有任何一个模型得分超过10%。 题目来自500多家机构的1000多名学者，最终入围的题目有3000多道，全部都是研究生及以上难度。
阿里云通义大模型新技术：MoE模型训练专家平衡的关键细节
本周，在阿里云通义千问 Qwen 团队提交的一篇论文中，研究人员发现了目前最热门的 MoE（混合专家模型）训练中存在的一个普遍关键问题，并提出一种全新的方法——通过轻量的通信将局部均衡放松为全局均衡，使得 MoE 模型的性能和专家特异性都得到了显著的提升。 论文：《Demons in the Detail: On Implementing Load Balancing Loss for Training Specialized Mixture-of-Expert Models》论文链接： 模型训练中的关键问题混合专家模型（MoEs）通过路由机制动态并稀疏地激活模型参数，使得能高效地增大模型参数规模。 基于 TopK 机制的稀疏激活会在训练中会遇到专家激活不均衡的问题：少数被频繁选择的专家会被优化得更多，进一步使得这些专家被更频繁地选择，最终导致只选择少数专家，造成剩余专家的冗余。
贾佳亚团队联合Adobe提出GenProp，物体追踪移除特效样样在行
论文一作刘少腾，Adobe Research实习生，香港中文大学博士生（DV Lab），师从贾佳亚教授。 主要研究方向是多模态大模型和生成模型，包含图像视频的生成、理解与编辑。 作者Tianyu Wang、Soo Ye Kim等均为Adobe Research Scientist。
中国AI太强，Meta工程师吓疯？自曝疯狂熬夜复制DeepSeek，天价高管心虚了
今天，Meta员工在匿名社区TeamBlind上的一个帖子，在业内被传疯了。 DeepSeek，真实地给了美国人亿点点「震撼」。 DeepSeek R1是世界上首个与OpenAI o1比肩的AI模型，而且与o1不同， R1还是开源模型「Open Source Model」，比OpenAI还Open!更有人曝料，DeepSeek还只是个「副项目」，主业根本不是搞大模型！
阿里通义实验室提出AnyStory：开启个性化文本到图像生成的新篇章！
在这个数字化时代，生成式AI技术正以前所未有的速度改变着我们的创作方式。 近期，阿里通义实验室发表了一篇题为《AnyStory: Towards Unified Single and Multi-Subject Personalization in Text-to-Image Generation》的论文，该论文提出了一种创新的框架，旨在通过统一的路径实现单个及多个主体的个性化文本到图像生成，为故事可视化、艺术创作乃至更多领域带来了革命性的突破。 论文中深入探讨了当前文本到图像生成技术面临的挑战，如主体一致性、细节保留以及多主体个性化等方面的不足。
2025智能体元年！斯坦福科学家8000字讲清所有要点
许多人认为「智能体」是AI发展的终极目标。 智能体在处理复杂任务时，展现出了巨大潜力。 从协助搭建网站、管理客户账户，到开展市场调研、自动录入数据，智能体的应用场景日益广泛。
两分钟完成论文调研！ByteDance Research推出论文检索智能体PaSa，远超主流检索工具
2025 被称为 Agent 元年，新年伊始，ByteDance Research 就推出了一款基于强化学习的智能体应用：论文检索智能体。 它可以模仿人类研究者调用搜索引擎、看论文、查参考文献。 繁琐冗长的论文调研，现在，只需要两分钟。
小模型也能玩转RAG！性能仅降1%，存储省75%，边缘设备轻松跑
检索增强生成（RAG）虽好，但一直面临着资源消耗大、部署复杂等技术壁垒。 近日，香港大学黄超教授团队提出MiniRAG，成功将RAG技术的应用门槛降至1.5B参数规模，实现了算力需求的大幅降低。 这一突破性成果不仅为边缘计算设备注入新活力，更开启了基于小模型轻量级RAG的探索。
推理模型规划任务成功率从5%到95%，DeepMind遗传算法新研究火了
瞄准推理时扩展（Inference-time scaling），DeepMind新的进化搜索策略火了！ 所提出的“Mind Evolution”（思维进化），能够优化大语言模型（LLMs）在规划和推理中的响应。 由于提升显著，Reddit/𝕏一时间出现了大量讨论：由于结合了遗传算法，使用Mind Evolution能让Gemini 1.5 Flash任务成功率从原本的5%左右，一下提升90个百分点。
OpenAI微软关系现裂痕，奥特曼紧急公关，导火索竟是DeepMind联创
一个5000亿美元的大动作，让微软不再是OpenAI独家云计算供应商了。 在OpenAI与甲骨文牵手组建数据中心那一刻起，网友们纷纷看向这个计划之外的微软：他们两个之间的关系约莫是出现裂痕了。 结果奥特曼紧急公关，不是你听我解释，这是形势所迫，为算力折腰啊啊。