跳到正文

全部动态

今日 12 条
5月7日周四
5月6日周三
  1. Hugging Face Blog34

    Hugging Face 为 Open ASR Leaderboard 引入私有数据集以抵御 benchmaxxing

    Hugging Face 联合 Appen Inc. 和 DataoceanAI 为 Open ASR Leaderboard 引入高质量私有英文 ASR 数据集,覆盖多口音的朗读与对话语音,以防止 benchmaxxing 和测试集污染。榜单默认平均 WER 仍仅基于公开数据集计算,用户可通过开关选择是否纳入私有数据集。该榜单自 2023 年 9 月上线以来访问量已超 710K 次。

5月5日周二
  1. OpenAI News60

    OpenAI 为 ChatGPT 广告新增自助 Ads Manager 与 CPC 竞价

    OpenAI 扩展 ChatGPT 广告业务,推出测试版自助 Ads Manager、CPC 竞价和增强的衡量工具。官方称这些功能在设计上保护隐私,并让对话内容与广告保持分离。

    推荐理由:OpenAI 官方披露 ChatGPT 广告新增自助投放与 CPC 竞价,可据此了解其广告业务的商业化路径。

5月4日周一
5月2日周六
4月30日周四
  1. Google DeepMind62

    Google DeepMind 发布 AI co-clinician 医疗研究计划

    Google DeepMind 宣布 AI co-clinician 研究计划,探索 AI 智能体在医生临床监督下协助患者诊疗的“三方照护”模式。在 98 个真实初级保健查询的盲评中,该系统 97 例无关键错误,优于医生常用的两款 AI 系统;在 140 项问诊技能评估中,AI 有 68 项达到或超过初级保健医生水平,但专家医生在识别危险信号和指导关键体格检查上整体仍更优。

    推荐理由:DeepMind 公开 AI co-clinician 研究计划,给出医生端证据综合与患者端实时多模态问诊的对照评测结果。

4月29日周三
  1. Hugging Face Blog60

    Granite 4.1 LLM 是如何构建的:五阶段预训练、SFT 与多阶段 RL 全流程

    IBM Granite 团队发布 Granite 4.1 系列稠密 decoder-only LLM(3B、8B、30B),基于约 15T token 的五阶段预训练流程,上下文窗口最长扩展至 512K token,并以 Apache 2.0 许可开源。

    推荐理由:Granite 4.1 完整披露五阶段预训练、SFT 与多阶段 RL 的数据配比和训练配置,可对照其 8B 稠密模型追平 32B MoE 的结论。

4月28日周二
  1. Hugging Face Blog71

    NVIDIA 发布 Nemotron 3 Nano Omni:面向文档、音频与视频智能体的长上下文全模态模型

    NVIDIA 发布 Nemotron 3 Nano Omni,一款覆盖文本、图像、视频与音频的全模态理解模型,基于 Nemotron 3 Nano 30B-A3B 骨干,搭配 C-RADIOv4-H 视觉编码器和 Parakeet-TDT-0.6B-v2 音频编码器。

    推荐理由:NVIDIA 开源的全模态模型,给出架构、训练配方与多榜单对比,可据此判断长文档与音视频智能体的选型空间。

4月27日周一
4月25日周六
4月24日周五
4月23日周四
  1. OpenAI News78

    OpenAI 发布 GPT-5.5

    OpenAI 发布 GPT-5.5,官方称该模型面向编码、研究和数据分析等跨工具的复杂任务。

    推荐理由:OpenAI 官方发布 GPT-5.5,面向编码、研究与数据分析等复杂任务,读者可据此了解其定位。

  2. Google Research62

    Google Photos 上线 Auto frame,用生成式 AI 重构照片拍摄视角

    Google Research 宣布在 Google Photos 的 Auto frame 功能中上线一种新方法,可在照片拍摄后调整相机位置与焦距,生成新的视角。该方法分两步:先用内部 3D 点图估计模型重建场景并估算原相机焦距,再用生成式潜在扩散模型补全新视角下露出的空白区域。该功能已作为 Auto frame 的第二个候选版本上线,可自动处理含人物的照片,并修正广角前置摄像头造成的透视畸变。

    推荐理由:Google Photos 把 3D 场景估计与生成式补全结合,读者可了解自动重构拍摄视角的技术路径。