安爸 的文章
Robbyant开源LingBot World：实时世界模型，用于交互式模拟和具身人工智能
AI单元Robbyant位于蚂蚁集团内部，已开源LingBot-World，这是一个大规模世界模型，将视频生成转换成可交互的模拟器，适用于具身智能、自动驾驶和游戏。该系统旨在渲染可控制的、高视觉保真度、强动态和长时间前景的环境，同时保持足够...
DeepSeek AI发布DeepSeek-OCR 2，配备因果视觉流程编码器，用于布局感知的文档理解。
DeepSeek AI发布了DeepSeek-OCR 2，这是一个开源的文档OCR和理解系统，其视觉编码器结构被重构为按照接近人类查看复杂文档的方式的因果顺序读取页面。其关键组件是DeepEncoder V2，这是一种类似于语言模型的Tra...
AI2发布SERA，仅使用监督训练构建的软验证编码代理，用于实际的仓库级自动化工作流程。
艾伦人工智能研究所（AI2）研究人员介绍了SERA（软验证高效存储库代理），这是一个以仅使用监督培训和合成轨迹匹配更大封闭系统的代码代理家族。 什么是SERA？ SERA是AI2开放编码代理系列的首个发布。旗舰模型SERA-32B基于Qwe...
谷歌DeepMind发布AlphaGenome：一种使用混合Transformer和U-Nets进行人基因组解码的统一序列到功能模型。
Google DeepMind正在将其生物工具包扩展到蛋白质折叠世界之外。在AlphaFold取得成功之后，谷歌的研究团队推出了AlphaGenome。这是一个针对序列到功能基因组学设计的统一深度学习模型。这代表着我们在模拟人类基因组方面的...
蚂蚁集团发布LingBot-VLA，一个用于现实世界机器人操作的电影语言行为基础模型。
如何构建一个单一视觉语言动作模型，使其能够在现实世界中控制多种不同的双臂机器人？LingBot-VLA是蚂蚁集团Robbyant公司的新视觉语言动作基础模型，旨在用于现实世界的机器人操作。它是在大约20,000小时的远程操控双臂数据集上训练...
腾讯混元发布 HPC-Ops：一款高性能的LLM推理运营商库
腾讯混元开源了HPC-Ops，这是一个用于大型语言模型推理架构设备的生产级操作库。HPC-Ops专注于核心操作员（如Attention、分组GEMM和Fused MoE）的低级CUDA核，并通过紧凑的C和Python API将其暴露出来，以...
MBZUAI发布K2 Think V2：一个用于数学、代码和科学的完全自主的70B推理模型
K2 Think V2，是一款完全独立的推理模型，旨在评估开放和完全文档化的流程将数学、代码和科学领域长期推理推得有多远。当整个堆栈都是开放和可复制的时，K2 Think V2从70亿参数的K2 V2 Instruct基础模型出发，采用了精...
DSGym提供了一种可重复使用的容器化基础层，用于构建和基准测试数据科学代理。
科学数据代理应该检查数据集、设计工作流程、运行代码并返回可验证的答案，而不仅仅是自动完成Pandas代码。由斯坦福大学、Together AI、杜克大学和哈佛大学的研究者共同推出的DSGym是一个框架，该框架通过具有专家精心编辑的地面真值和...
Moonshot AI 发布 Kimi K2.5：一个具有原生蜂群执行的开放源代码视觉智能模型
Moonshot AI 已将 Kimi K2.5 作为开源视觉智能代理模型发布。它结合了一个大型混合专家语言骨干、一个原生视觉编码器以及一个名为 Agent Swarm 的并行多代理系统。该模型针对编码、多模态推理和深度网络研究，在智能、视...
什么是Clawdbot？如何将聊天转化为真正的自动化操作？
Clawdbot 是一个开源的个人AI助理，您可以在自己的硬件上运行它。它将Anthropic和OpenAI等提供商的大型语言模型连接到真正的工具，如通讯应用、文件、shell、浏览器和智能家居设备，同时将协奏层控制在您的掌控之下。 有趣...