AI进家庭

Avengers团队 投稿 量子位 | 公众号 QbitAI 近年来，语言模型技术迅速发展，然而代表性成果如Gemini 2.5Pro和GPT-4.1，逐渐被谷歌、OpenAI等科技巨头所垄断。 与此同时，开源社区的小规模模型正面临日益严峻的挑战—— 他们参数规模通常仅在7B左右，难以在多任务、多领域场景中与大型闭源模型相抗衡，尚未形成真正意义上的通用人工智...

MME-VideoOCR团队 投稿 量子位 | 公众号 QbitAI 多模态大模型（MLLM）在静态图像上已经展现出卓越的 OCR 能力，能准确识别和理解图像中的文字内容。 然而，当应用场景从静态图像拓展至动态视频时，即便是当前最先进的模型也面临着严峻的挑战。 MME-VideoOCR 致力于系统评估并推动MLLM在视频OCR中的感知、理解和推理能力。 主...

金磊 发自 凹非寺 量子位 | 公众号 QbitAI 现在，请大家一起数一下“1”、“2”。 OK，短短2秒钟时间，一个准万亿MoE大模型就已经吃透如何解一道高等数学大题了！ 而且啊，这个大模型还是不用GPU来训练，全流程都是大写的“国产”的那种。 这，就是华为通过“昇腾+Pangu Ultra MoE”这套组合拳解锁的效果—— 不仅实现了国产算力与国产模...

编译｜冬梅、核子可乐 Stable Diffusion 模型缔造者们建立的初创公司 Black Forest Labs（黑暗森林实验室，简称 BFL）刚刚发布了发布一款名为 FLUX.1 Kontext 的全新图像生成模型。此模型不仅能够生成和编辑照片，还允许用户添加文本及其他图像以实现内容修改。 该公司在 X 上发文称：“今天我们正式发布 FLUX.1...

梦晨 发自 凹非寺 量子位 | 公众号 QbitAI AI生图新突破！一个模型同时接受文本和图像输入。 新模型FLUX.1 Kontext使用流匹配架构（Flow Matching），不再是文本编码器和扩散模型各干各的，与此前技术都不同。 最来自之前很火的Black Forest Labs，官方表示这一次能做到真正的上下文生成和编辑。 在编辑能力上，有人在...

RISEBench团队 投稿 量子位 | 公众号 QbitAI GPT-4o-Image也只能完成28.9%的任务，图像编辑评测新基准来了！ 360个全部由人类专家仔细思考并校对的高质量测试案例，暴露多模态模型在结合推理能力进行图像编辑时的短板。 最近，上海人工智能实验室联手上海交大、同济大学、武汉大学、普林斯顿大学的研究人员，针对图像编辑AI提出了三个问...

FVG团队 投稿 量子位 | 公众号 QbitAI LLMs为什么总是灾难性遗忘？原来是功能激活在搞怪。 最近来自中国科学技术大学、香港城市大学和浙江大学的联合研究团队，通过对多个语言模型、任务序列和评估指标的系统分析，终于破解了LLMs的灾难性遗忘之谜—— 遗忘行为具有高度的模型依赖性，而导致遗忘发生的本质却是功能激活的变化。 对此，团队基于函数向量构建...

TON团队 投稿 量子位 | 公众号 QbitAI 人类在面对简单提问时常常不假思索直接回答，只有遇到复杂难题才会认真推理。 如果AI模型也能像人一样决定“要不要思考”，效率是否会大大提升？ 近日，香港中文大学联合新加坡国立大学Show Lab的研究者提出了一种名为TON（Think Or Not）的新颖选择性推理框架，让视觉语言模型（VLM）可以自主判断是...

在人工智能技术飞速发展的今天，AI数字分身逐渐成为研究和应用的热点。WeClone作为一个开源项目，为用户提供了从聊天记录创造数字分身的完整解决方案，满足了个性化智能助手的需求，同时也为AI技术的探索者提供了宝贵的实践机会。 一、项目概述 WeClone是一个开源的AI数字分身一站式解决方案，致力于通过用户的聊天记录对大语言模型（LLM）进行微调，生成具...

话接上文：测完新版 DeepSeek R1，我发现它越来越像 ChatGPT 了。 昨天刚吐槽完 DeepSeek 没有更新日志，结果今天官方就正式发布了“思考更深，推理更强”的 DeepSeek R1 升级说明。 同样是开源，同样是节假日前夕（端午节），DeepSeek，总能给我们惊喜。 升级后的新模型有了正式的名字：DeepSeek-R1-0528。 ...