跳到正文

全部动态

今日 34 条
4月22日周三
  1. Google DeepMind62

    Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构

    Google DeepMind 发布 Decoupled DiLoCo 分布式训练架构,把大规模训练拆成异步通信的计算孤岛,降低带宽需求并隔离硬件故障。测试中该系统在整块 learner unit 掉线后仍能继续训练并自动重新接入,用 Gemma 4 模型验证的 ML 性能与传统训练方法持平。

    推荐理由:原文给出异步训练在带宽、故障隔离和跨代硬件上的实测结果,可据此判断分布式预训练的成本与容错边界。

  2. OpenAI News62

    OpenAI 在 ChatGPT 中推出工作区智能体

    OpenAI 在 ChatGPT 中推出工作区智能体(workspace agents),这是一类由 Codex 驱动的智能体,可自动化复杂工作流、在云端运行,并帮助团队安全地跨工具扩展工作。

    推荐理由:OpenAI 在 ChatGPT 中引入由 Codex 驱动的云端工作区智能体,读者可了解其自动化复杂工作流与跨工具协作的定位。

  3. Google Research60

    Google 提出 ReasoningBank:让智能体从经验中学习

    Google Research 发布 ICLR 论文 ReasoningBank,提出一种智能体记忆框架,从成功和失败经验中提炼高层结构化推理记忆,用于测试时自我进化。

    推荐理由:论文提出从成功与失败经验中提炼推理记忆的框架,并给出 WebArena 与 SWE-Bench-Verified 上的成功率与步数变化。

4月21日周二
  1. Google DeepMind22

    Google DeepMind 与埃森哲、贝恩、BCG、德勤、麦肯锡合作加速企业 AI 转型

    Google DeepMind 宣布与 Accenture、Bain & Company、BCG、Deloitte、McKinsey 合作,帮助企业规模化采用前沿 AI。合作方将获得 Gemini 系列等前沿模型的早期访问权限,并直接对接 Google DeepMind 技术团队,聚焦金融、制造、零售、媒体娱乐等行业的智能体转型。目前仅 25% 的组织成功将 AI 规模化投入生产。

  2. OpenAI News65

    OpenAI 发布 ChatGPT Images 2.0

    OpenAI 发布 ChatGPT Images 2.0,改进了文字渲染、多语言支持和视觉推理能力。官方同时提到 Images 2.5 的新变化。

    推荐理由:OpenAI 官方公布 ChatGPT Images 2.0 的三项能力变化,可据此判断图像生成在文字渲染与多语言上的进展。

  3. Hugging Face Blog38

    AI 与网络安全的未来:为什么开放性至关重要

    Hugging Face 发文指出,Mythos 这类前沿 AI 模型嵌入特定系统后可快速发现并修补软件漏洞,其能力并非来自单一模型,而是算力、代码数据、漏洞探测脚手架与系统自主性组合的结果。文章认为开源生态能把检测、验证、协调与补丁分发分散到社区,避免闭源单点失效,并主张用可审计的半自主 AI 智能体构建防御。

4月20日周一
  1. Berkeley AI Research37

    GRASP:面向世界模型的梯度规划器,让长时程规划更稳健

    伯克利 AI 研究团队提出梯度规划器 GRASP,通过将轨迹提升到虚拟状态实现跨时间并行优化、在状态迭代上直接加入随机性以探索、并重塑梯度让动作获得清晰信号,同时避开高维视觉模型中脆弱的“状态-输入”梯度,使基于学习世界模型的长时程规划变得可行。该方法针对长时程 rollout 中梯度爆炸/消失、非贪心结构导致的局部极小值以及高维隐空间失效模式等问题。

4月16日周四
  1. OpenAI News70

    OpenAI 发布生命科学研究模型 GPT-Rosalind

    OpenAI 发布 GPT-Rosalind,一款面向生命科学研究的前沿推理模型。该模型用于加速药物发现、基因组分析、蛋白质推理和科研工作流。

    推荐理由:OpenAI 面向生命科学推出前沿推理模型,读者可了解其瞄准的药物发现与基因组分析场景。

  2. Google DeepMind71

    Google DeepMind 发布 Gemini 3.1 Flash TTS 语音模型

    Google DeepMind 发布 Gemini 3.1 Flash TTS,一款主打可控性、表现力和音质的文本转语音模型,已在 Gemini API 和 Google AI Studio 面向开发者预览,企业版在 Vertex AI 预览,Workspace 用户可通过 Google Vids 使用。

    推荐理由:官方给出 Elo 1211、70+ 语言与 audio tags 等具体指标,可据此判断语音生成的可控性进展。

4月15日周三
  1. Hugging Face Blog65

    HCompany 发布 HoloTab:浏览器内的 AI 智能体扩展

    HCompany 发布 HoloTab,一款 Chrome 扩展,可在浏览器内像人一样操作网页,自动完成跨网站任务,无需任何配置或技术技能。HoloTab 支持 routines 功能,用户录制一次操作流程后即可重复运行或定时执行,其底层运行视觉模型、动作规划和界面理解。该扩展基于 3 月 31 日发布的 Holo3 computer-use 模型,目前免费开放使用。

    推荐理由:HCompany 把自家 computer-use 模型做成免费 Chrome 扩展,读者可据此判断浏览器内自动化任务的门槛变化。

4月14日周二
  1. Google Research48

    Google 推出 Vantage:用生成式 AI 评估未来技能

    Google 在 Google Labs 上线研究实验 Vantage,用生成式 AI 构建模拟对话环境,评估高中与大学生面向未来的技能,目前提供英文版并可注册。Vantage 与纽约大学合作开发,由 Executive LLM 动态引导对话、AI Evaluator 依据评分量表打分,188 名 18-25 岁美国测试者的研究显示其评分与人类专家一致度接近专家间一致度。

4月13日周一
  1. Google DeepMind66

    Google DeepMind 发布 Gemini Robotics-ER 1.6,新增仪表读数能力

    Google DeepMind 发布 Gemini Robotics-ER 1.6,这是其面向机器人推理的模型升级版,强化了空间推理与多视角理解,并新增仪表读数能力,可读取压力表、液位计和数字读数。

    推荐理由:官方给出与前代及 Gemini 3.0 Flash 的对比,并新增仪表读数能力,可据此判断机器人在真实场景的推理进展。

4月10日周五
  1. OpenAI News15

    ChatGPT 如何服务营销团队

    OpenAI 介绍营销团队如何用 ChatGPT 规划营销活动、创作内容、分析效果,并把洞察转化为行动。文章围绕实际 AI 工作流展开,未披露新模型版本或具体功能参数。

  2. OpenAI News22

    ChatGPT 文件处理实用指南

    OpenAI 介绍在 ChatGPT 中处理文件的实用方法,涵盖查找信息、整理、转换文档以及将文件用于工作流。内容面向日常使用场景,帮助用户把文档接入 ChatGPT 完成信息提取与格式转换等任务。