「AI自主训练」共找到 11479 篇相关文章
5个月估值翻10倍,AI数据赛道跑出一家新独角兽
成立约18个月的AI训练数据公司AfterQuery正筹新一轮融资,估值达32亿美元,5个月涨超10倍。它最初想开发AI智能体,后转收集训练材料。此赛道已有多家高估值公司,且数据隐私和安全风险待解。
后训练中的RL已死?MIT新算法挑战传统后训练思维,谢赛宁转发
MIT研究人员提出RandOpt新算法,挑战传统后训练思维。该算法通过随机扰动和集成突破限制,在多任务中表现出色,揭示了预训练模型权重空间的“神经丛林”现象,引发AI社区关注。
对话 XYZ-Aquila丨Deep Search SOTA 背后 AI 到底怎么参与改进 AI?
近日,XYZ AI Lab发布两款面向Deep Search的Agent,在评测中领先。其采用AI4AI方法,让AI参与研发判断。团队接受采访,探讨AI4AI含义、与RSI关系、工作范式等,还分享了改进案例和未来方向。
训练成本暴降99%,35秒出1分钟高清视频!英伟达MIT等引爆视频AI革命
英伟达联合MIT、港大团队提出SANA - Video架构,其核心是创新的全局线性注意力Diffusion Transformer训练框架和全局显存恒定的KV缓存机制。它训练成本低、速度快、可部署,重新定义AI视频生成效率极限。
构建企业级 AI 应用:为什么我们需要 AI 中间件?
9月26日云栖大会,阿里云资深技术专家林清山发布阿里云AI中间件,核心技术全面开源。文章指出2025年是Agentic AI爆发元年,分析AI原生应用架构变革,介绍阿里云AI中间件构成及优势,助力企业级AI应用落地。
AI Agents和Agentic AI有什么区别?
论文《AI Agents vs. Agentic AI》深入探讨AI Agent和Agentic AI的本质差异。AI Agents是集成大模型和外部工具的单体系统,适合简单任务;Agentic AI是多智能体协作新范式,适合复杂场景。还提及挑战、解决方案与未来方向。
从 AI Agent、RLHF 到 MoE 大规模训练:AMD 这场开发者日,把一线实战话题凑齐了 |Q推荐
AMD AI开发者日揭晓八大硬核GPU Workshop、技术专题及“作品说话”主题分论坛嘉宾与话题,覆盖AI Agent、RLHF、MoE大规模训练等前沿领域,还有多场实操分享。
吴恩达来信:AI Fund 如何培养 AI 构建者
吴恩达分享 AI Fund 培养 AI 构建者经验,非工程背景同事从‘AI Python 入门课程’学起,掌握构建模块,还列举他们构建的应用示例,鼓励更多团队让人人有能力用 AI 构建。
上下文工程又进化了:Harness实现AI完全自主化
近期Harness Engineering讨论火热,Harness是围绕AI模型的支撑架构,Anthropic用其突破AI局限,解决AI完成复杂任务时的偷懒问题,还通过多智能体架构用于前端设计、软件开发,经实战检验效果良好,后续还对其进行简化。
直播预约 | Recursive Self-Improvement:当AI开始进化AI
2026年AI已能在无人类干预下自我进化。6月24日19:00 - 21:00,机器之心联合黄大年茶思屋举办直播,汇聚仉尚航等专家,呈现“AI如何自我超越”的技术路线与未来图景。