数据
超越KL！大连理工发布Wasserstein距离知识蒸馏新方法｜NeurIPS 2024
自Hinton等人的开创性工作以来，基于Kullback-Leibler散度（KL-Div）的知识蒸馏一直占主导地位。 然而，KL-Div仅比较教师和学生在相应类别上的概率，缺乏跨类别比较的机制，应用于中间层蒸馏时存在问题，其无法处理不重叠的分布且无法感知底层流形的几何结构。 为了解决这些问题，大连理工大学的研究人员提出了一种基于Wasserstein距离（WD）的知识蒸馏方法。
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。
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。
我们一起聊聊如何给AI大模型喂数据？
大家好呀，我是飞鱼。 如果我想要大模型学习我的知识，怎么给他数据呢？ 数据是大模型的食物，只有喂对了，模型才能更好地学习和成长。
今天起，汉字也能AI视频生成了！《滕王阁序》直接拿捏到位了
“汉字”这个难关，今天终于被AI视频生成给拿下了！ 话不多说，我们直接先来看效果：这个“福”字，就这样被AI水灵灵地一笔一划滴了出来。 再如下面这个例子，我们的Prompt是：有汉字“量子位”，古风。
如何证明一个数是无理数？他们找到了欧拉和黎曼错过的证明，华人数学家唐云清参与
我们都知道，实数分为有理数和无理数，它们的定义也都很明确。 但令人惊讶的是，其实很难证明一个数究竟能否写成分数形式。 而现在，这个古老的问题有了一种广泛适用的新方法。
OpenAI智能体曝本月诞生！比谷歌Anthropic慢，竟是担心prompt攻击
2025年，智能体将是AI领域最激烈的战场。 然而，一直在AI领域「独占鳌头」的OpenAI，却迟迟没有出手。 不过，外媒最近曝出了一条好消息——OpenAI可能在本月就会发布自家的「计算机操作智能体」！
剑指专业领域零部件级3D生成！Meta联手牛津推出全新多视图扩散模型
当前AI生成的3D模型，已经拥有相当高的质量。 但这些生成结果通常只是单个物体的某种表示（比如隐式神经场、高斯混合或网格），而不包含结构信息。 对于专业应用和创意工作流来说，除了高质量的形状和纹理，更需要可以独立操作的「零部件级3D模型」。
纯视觉方案，精准操控电脑和手机！港大Aria-UI登顶，超越Claude 3.5
在当今数字时代，智能助手已成为处理跨平台任务的不可或缺工具。 然而，如何将用户的自然语言指令精准映射（grounding）到界面元素一直是该领域的核心挑战。 传统解决方案主要依赖调用无障碍API、解析HTML源码或提取后台数据，这些方法普遍存在效率低下、信息不完整、兼容性差等显著痛点，严重制约了自动化技术的广泛应用。
AAAI 2025 | 大模型推理加速新范式：加速比高达3.51倍、成本降至1/3
近日，中国电信翼支付针对大模型推理加速的最新研究成果《Falcon: Faster and Parallel Inference of Large Language Models through Enhanced Semi-Autoregressive Drafting and Custom-Designed Decoding Tree》已被 AAAI 2025 接收。 论文中提出的 Falcon 方法是一种增强半自回归投机解码框架，旨在增强 draft model 的并行性和输出质量，以有效提升大模型的推理速度。 Falcon 可以实现约 2.91-3.51 倍的加速比，在多种数据集上获得了很好的结果，并已应用到翼支付多个实际业务中。
o1也会「想太多」？腾讯AI Lab与上海交大揭秘o1模型过度思考问题
本文的共同通讯作者为涂兆鹏和王瑞，涂兆鹏为腾讯专家研究员，研究方向为深度学习和大模型，在国际顶级期刊和会议上发表学术论文一百余篇，引用超过9000次。 担任SCI期刊NeuroComputing副主编，多次担任ACL、EMNLP、ICLR等国际顶级会议领域主席。 王瑞为上海交通大学副教授，研究方向为计算语言学。
奥特曼家里也内讧了！亲妹告他长期虐待，刻意隐瞒遗产；家里其他人联名否认
我去，OpenAI CEO奥特曼的亲妹妹，一纸状书，把她亲哥给告了！ 想不到让奥特曼再次陷入舆论危机的矛头，这次居然来自家庭内部，来自小他9岁的妹妹安妮·奥特曼（Annie Altman）。 事态紧急，奥特曼立刻联名母亲和两位弟弟，共同发布回应：不，指控不实。
1/10训练数据超越GPT-4o！清华等提出隐式过程奖励模型PRIME，在线刷SOTA
告诉我，我会忘记，教我，我会记住，让我参与，我就能学会。 ——本杰明·富兰克林 打破数据墙，我们还能做些什么？ 近日，来自清华UIUC等机构的研究者提出了PRIME（Process Reinforcement through IMplicit REwards）：通过隐式奖励来进行过程强化。
RTX5090震撼发布，国行16499元起，黄仁勋「美国队长」pose亮翻全场
老黄穿上了新皮衣，拿来了新 GPU。 今天上午，全世界的目光都集中在了拉斯维加斯。 北京时间 1 月 7 日上午 10 点半，英伟达 CEO 黄仁勋在拉斯维加斯 CES 2025 展会上发表了主题演讲（keynote），涉及到的话题包括 GPU、AI、游戏、机器人等等。
手机「自动驾驶」大揭秘！vivo万字综述探讨大模型手机自动化
导言你是否想过，手机能像电影钢铁侠中的智能管家贾维斯那般，一句话就能顺畅自如地完成各种复杂任务。 最近国内外的手机厂商和 AI 公司纷纷发布了手机 AI 智能体相关产品，让曾经的幻想逐渐有了可行性。 vivo 作为行业领跑者，在十月的开发者大会上推出了其手机智能体产品 “PhoneGPT"，能帮用户实现一句话点咖啡、订外卖、甚至能够一句话找到最近的私房菜馆并通过 AI 实现电话预定包厢，被网友们称作 “i 人救星”。
陈丹琦团队降本大法又来了：数据砍掉三分之一，性能却完全不减
陈丹琦团队又带着他们的降本大法来了——数据砍掉三分之一，大模型性能却完全不减。 他们引入了元数据，加速了大模型预训练的同时，也不增加单独的计算开销。 在不同模型规模（600M - 8B）和训练数据来源的情况下，均能实现性能方面的提升。
复旦&字节提出layout-to-image新范式，支持基于布局的MM-DiT架构下可控图像生成！
本篇分享论文CreatiLayout: Siamese Multimodal Diffusion Transformer for Creative Layout-to-Image Generation，是由复旦大学&字节跳动提出的layout-to-image新范式，支持基于布局的MM-DiT架构下的可控图像生成！ 效果示例相关链接论文地址: : : : : (Layout-to-Image, L2I) 是一种基于布局信息进行可控图像生成的技术，其中布局信息包括实体在图像中的空间位置和描述。 例如，用户指定了这些实体的描述与空间位置：钢铁侠手里拿着画板，站在岩石上，画板上用手绘字体写着“CreatiLayout”，背景是海边与日落。