AI信息差

作者_｜周一笑 邮箱｜_zhouyixiao@pingwest.com 先来看一张图。如果AI接到指令，要画一张梅西、C罗和内马尔在夜晚火锅店里的随手自拍快照，它可能会生成这样一张图片： 是不是感觉挺真实的？如果不是最近刷到了太多这类风格的图片，你可能还真信了。这就是我们身处的现实，AI生成的内容正以前所未有的速度和逼真度充斥着我们的数字生活，从图片到文...

2019 年的夏天，我和谢扬都混的很差，他从大厂出来后开始做 Authing，但一笔钱都融不到，我侥幸在 1 年前融了一点钱，但每个月都在亏，靠账上最后一点钱苟活。我们坐在朝阳大悦城的咖啡店仰头叹息，感慨生不逢时，讨论应该干点什么才能继续活下去。 没人能料到后面的那三年，但至少在那个时刻，我们都觉得已经够糟了。 现在回想，所谓的命运齿轮在那个夏天应该已经悄...

大家好，我是每日给大家推荐优秀开源项目的小G！ 还在为运动模糊、低光照下拍摄的视频画质发愁吗？😭 想要提升视频分辨率，却发现模糊细节丢失严重，传统方法效果不佳？别担心！今天小G给大家带来一个刚刚被人工智能顶会 AAAI 2025 接收的前沿开源项目——Ev-DeblurVSR！它巧妙地利用了一种叫做“事件相机”（Event Camera）的新型传感器，为解决...

处理音频数据时，我们是不是经常要切换各种工具？ 转写用 ASR（语音识别），转音频又得找稳定的 TTS 模型（工具）…… 几个小时前，月之暗面 Moonshot AI 正式开源了 Kimi-Audio，可以帮助我们解决处理音频时来回切换不同工具的痛点。 Kimi-Audio 由月之暗面（Moonshot AI）开发，是一款开源音频基础模型，基于 Qwen ...

在阅读学术论文时，总是被一堆专业术语和复杂公式绕晕，特别是外语论文，遇到不懂的单词，还需要与翻译工具来回切换，效率极低。最近一个中文名叫 “暴躁的教授读论文” 的开源项目拯救了我们，它让一位带有点脾气的 AI 教授来辅助我们高效阅读论文。 该工具不仅能自动提取论文内容并支持中英双语对照阅读，还能用暴躁有趣的语气回答我们对论文的各种问题，甚至支持语音对话，让阅...

来自华中科技大学的研究者发了一篇MCP的综述论文，可以作为学习MCP的学习资料，论文全面分析了模型上下文协议（Model Context Protocol, MCP）的生态系统，探讨了其架构、核心组件、工作流程、服务器生命周期，以及在创建、运行和更新阶段的安全风险，并提出了未来研究方向和建议。 参考文献： [1] http://arxiv.org/p...

数据库实体关系（DBER）编辑器——drawDB。可以直接可视化的编辑库表结构与关系，也可以导入现有库表结构来进行梳理。而且是网页应用，部署特别方便。甚至还能集成AI生成SQL功能。 参考文献： [1] http://github.com/drawdb-io/drawdb [2] https://www.drawdb.app/ 知识星球服务内容：D...

MLX-Audio发布了v0.1.0 版本，支持前天爆火的语音生成模型 Dia了。MLX 是针对 MacOS 上运行大模型设计的推理引擎。 参考文献： [1] 地址：https://github.com/Blaizzy/mlx-audio 知识星球服务内容：Dify源码剖析及答疑，Dify对话系统源码，NLP电子书籍报告下载，公众号所有付费资料。加...

多模态大模型（MLLMs）在视觉理解与推理等领域取得了显著成就。然而，随着解码（decoding）阶段不断生成新的 token，推理过程的计算复杂度和 GPU 显存占用逐渐增加，这导致了多模态大模型推理效率的降低。 现有的方法通过减少预填充（prefill）阶段的视觉 token 冗余来实现推理加速。遗憾的是，这种在预填充阶段实现的视觉 token 稀疏化...

背景：长上下文视频生成的挑战 目前的视频生成技术大多是在短视频数据上训练，推理时则通过滑动窗口等策略，逐步扩展生成的视频长度。然而，这种方式无法充分利用视频的长时上下文信息，容易导致生成内容在时序上出现潜在的不一致性。 解决这一问题的关键在于：高效地对长视频进行训练。但传统的自回归视频建模面临严重的计算挑战——随着视频长度的增加，token 数量呈爆炸式...