安爸
BAT三巨头混战AI高考报志愿，争最强AI升学搭子，张雪峰要失业了？
AI走进高考的“最后一公里”！ 作者 | 江宇 编辑 | 漠影 智东西AI前瞻6月10日报道，今日下午，随着北京、天津等地响起最后一门考试结束铃声，2025年全国高考正式落幕。 这场牵动1335万考生的“人生大考”中，AI技术的身影愈发清晰：江西、湖北等地通过AI实时巡查保障公平，豆包等AI工具在作文评阅中表现亮眼。 高考虽然落幕，但志愿填报的挑...
WaveSpeedAI 成泽毅：AI Infra 本来就是一门能挣钱的生意
在大厂做 Infra 的成泽毅，最开始并没有创业的打算。 大学毕业就去了阿里，两年升两级，火速成长，很快成为部门的技术骨干。但随着业务的逐渐深入，他开始意识到，自己似乎太快就触碰到了在大厂的天花板，有种束手束脚的感觉。 对于技术人来说，相比较于安稳，更追求的是证明自己的价值，寻找更好发挥自己能力的地方。 随后他开始不断地验证，自己的技术究竟是否有用？大厂之外...
AI 创业者的反思：那些被忽略的「快」与「长」
文章来源于「周喆吾」个人账号 周喆吾是 Presence 公司创始人、CEO ，曾任 MetaApp 联合创始人，前摩拜单车移动端负责人，回国前曾在硅谷 LinkedIn 、Uber 总部增长团队做研发工作。 近期，周喆吾在一篇文章中分享了其在 3D AR社交平台 Presence 的创业过程中，对于产品方向、技术应用等方面的思考与不断调整的经验。 文章核心...
苹果憋一年终超同参数 Qwen 2.5？三行代码即可接入 Apple Intelligence，自曝如何做推理
整理 | 华卫、核子可乐 在今年的 WWDC 全球开发者大会上，苹果推出新一代专为增强 Apple Intelligence 功能所开发的语言基座模型。经过优化的最新基座模型可在苹果芯片上高效运行，包括一个约 3B 参数的紧凑型模型和一个基于服务器的混合专家模型，后者为专门针对私有云量身定制的全新架构。 这两大基座模型，均隶属于苹果为支持用户而打造的生成...
TypeScript“杀疯了”！60% 到 70%YC 创企用它构建 AI Agent，超越 Python 有戏了？
作者 | 冬梅 近日， Mastra AI 创始人 Sam Bhagwat 在 X 上发布了一条推文，称其中提到大约 60\~70% 的 YC X25 Agent 公司正在使用 TypeScript 构建他们的 AI Agent。 这个数据让人很惊讶，因为像 LangChain 这样的早期框架最初都是 Python 优先的。那么，为什么现在要转向 Ty...
芯片专利博弈未卜，长江存储再诉美光散布诽谤信息
文｜ 杨柳 当地时间6月6日，国产存储芯片“龙头”长江存储向美国哥伦比亚特区联邦地区法院提起诉讼，起诉芯片巨头美光和一家名叫DCI的公关传播公司，指控二者合谋散布关于长江存储闪存芯片威胁数据安全的虚假言论。 长江存储提交的起诉状截图 长江存储在诉状中指出，自2020年9月起，DCI在其运营的“China Tech Threat”网站上散布“不实信息”。例...
Siri缺席！讨好开发者！苹果WWDC端上来的AI大餐不够香
文丨海天 系统UI靓眼，AI略显不足，这就是观众看完WWDC演讲的感受！ 北京时间6月10日凌晨，苹果全球开发者大会（WWDC）正式拉开帷幕。尽管外界高度期待苹果在AI领域带来突破，苹果也花了1个半小时大谈AI，但本次大会的AI相关发布却略显保守，尤其是AI增强版Siri并未如期亮相，让许多期待落空。 在演讲过程中，苹果极力强调操作系统在视觉方面的...
Ilya Sutskever离开OpenAI后首次公开演讲（实录):AI终将无所不能
Ilya Sutskever离开OpenAI后首次亮相！ 近日，他回到他的母校多伦多大学，作为荣誉博士获得者进行了演讲。 他表示，如今的AI已经极大地改变了学生们的学习方式，并开始以未知和不可预测的方式影响着我们的工作和职业。 他认为，终有一天，AI将能做到我们现在能做的一切。不仅是部分事情，而是所有事情。任何我能学会的东西，任何你们任何一个人能学会的东西...
端侧模型卷王诞生！MiniCPM4长文本推理提速5倍，0.5B模型屠榜同级
2025 智源大会，新一代「面壁小钢炮」 MiniCPM4.0 端侧模型发布。一款 8B 稀疏闪电版，带来端侧性能创新式大跃升；一款 0.5B 实力演绎以小博大，适配广泛终端场景。 MiniCPM4.0 -8B 是首个原生稀疏模型，5% 的极高稀疏度加持系统级创新技术的大爆发，长文本推理速度 5 倍常规加速，让长文本、深思考在端侧真正跑起来，宣告了端侧长文...
ICML 2025 不靠复杂架构，经典GNN再证图级任务强基线地位
继作者团队此前对经典图神经网络（GNNs）在节点分类任务中的研究 [1]，本研究进一步探讨了经典 GNNs 在图分类与图回归任务中的潜力。 为此，本文通过提出 GNN+ 框架，将六项常用超参数技术（边特征、归一化、Dropout、残差连接、FFN 和位置编码）集成进经典 GNNs 架构中（包括 GCN、GIN 和 GatedGCN），以全面重估其性能表现。...