「第二代AI预训练范式」共找到 11081 篇相关文章
牛！小米开源「音频语言模型」，超1亿小时预训练时间，音频理解和输出能力是真顶！
小米推出开源音频语言模型MiMo - Audio，有超1亿小时预训练时间。它能理解音频，70亿参数模型在多基准测试达SOTA，音频理解超Gemini - 2.5 - Flash，复杂推理优于GPT - 4o - Audio，还支持多模态任务。
抱上Meta“大腿”后，自家公司要搞黄了？Scale AI狂丢大客户，又遭6年老员工“背刺”
9月3日外媒报道，Meta支持的Scale AI起诉前员工Eugene Ling及竞争对手Mercor，称其“盗用商业秘密”“违反合同”。Mercor反驳，称对Scale商业秘密无兴趣。Scale与Meta合作后狂丢客户、裁员，还出安全事故。
牛津VGG、港大、上交发布ELIP：超越CLIP等，多模态图片检索的增强视觉语言大模型预训练
牛津VGG、港大、上交大团队论文提出ELIP方法，用学术界资源增强视觉语言大模型预训练，用于文字 - 图片检索。该论文被大会接受并获最佳论文提名。ELIP可应用于多个大模型，实验显示能显著提升图片检索表现。
微小目标漏检只是因为小？从数据到代码：一文读懂 AI-TOD-R 与 DCFL 如何解决旋转微小目标检测
此文指出旋转微小目标检测存在数据空白、学习偏差、特征易丢失等难题，提出AI-TOD-R数据集、全检测范式基准和DCFL框架。DCFL可缓解偏差，在8个数据集达SOTA，还给出实战代码案例。
Claude Code 究竟牛在哪里？（以及如何在你的 AI 智能体中复刻它的魔法！）
文章介绍Claude Code是出色的AI智能体，比Cursor等好用。它设计简单，提示词和工具弥补模型缺点。作者基于使用经验，给出打造类似智能体的要点，包括控制循环、提示词、工具和可引导性等方面。
GPT-4o图像生成的「核燃料」找到了！万字长文拆解潜在变量，网友：原来AI在另一个维度作画
上月，GPT - 4o图像生成功能爆火。Sander Dielman在博客中探讨生成模型利用潜在空间提高效率和质量，将潜在变量比作「数据精髓」，深入对比多种模型，还介绍训练方法、损失函数等，兼具理论深度与直观洞察。
第二代PPTAgent来了！中科院软件所开源首个本地通用幻灯片智能体，9B参数打平GPT-5
中科院软件所开源第二代PPTAgent -- DeepPresenter，将幻灯片智能体模型与智能体沙箱环境一同开源。它解决了AI制作PPT的痛点，以9B参数打平GPT - 5，在消费级显卡上有出色表现。
港股AGI第一股“云知声”首战告捷：大模型贡献1亿收入，单客价直线提升116.2%，AI保险业务暴涨1386.8%
云知声发布《2025中期业绩报告》，亮点颇多。总收入4.05亿元，同比增20.2%，山海大模型收入近1亿，增幅457%。业务布局呼应国务院‘人工智能+’行动，技术优势明显，展现了AI产业化落地的成功模式。
GPA只有3.3，顶会一作两篇，成功杀进TOP 20 AI博士？小哥曝光关键秘诀
亚洲硕士手握两篇顶会一作，本科GPA 3.3，计划申请2026年秋季AI领域TOP 20博士项目。网友看法不一，有人认为论文更重要，有人强调GPA是筛选因素。关键是进实验室、获大牛推荐信。还提及罗剑岚求学传奇。
小红书发布 SWE-Bench Mobile：当 AI Agent 面对亿级用户 App 代码库，最高通过率仅12%？
小红书联合多科研机构发布 SWE-Bench Mobile，它是首个还原‘端到端’开发流程的基准，以小红书 App 实际任务为核心。评测显示，AI Agent 在移动端开发能力上限低，架构设计比模型本身重要，简单提示策略效果更好。