细粒度视觉推理链引入数学领域，准确率暴涨32%，港中文MMLab打破多模态数学推理瓶颈

香港中文大学MMLab团队发布MINT - CoT视觉推理方案，解决多模态数学推理难题。它引入特殊Interleave Token，构建专属数据集，采用三阶段训练策略，实验效果全面超越现有方法。

Alibaba开源WebDancer解决DeepResearch复杂信息检索难题

Alibaba开源WebDancer，从数据和训练阶段出发提出端到端自主信息检索代理构建范式。实验中，它在GAIA和WebWalkerQA基准测试表现出色，处理复杂信息检索优势显著。

2025年4月17日消息，OpenAI 连发o3和o4 mini，o3为强大推理模型，o4-mini专为高效推理优化。它们能调用ChatGPT工具，可基于图像思考。OpenAI还开源本地代码智能体Codex CLI，兼容所有模型。

扩散不死，BERT永生！Karpathy凌晨反思：自回归时代该终结了?

苹果前员工Nathan Barry得出BERT本质是文本扩散一步的结论，将表示学习算法改造成生成算法。OpenAI创始员工Karpathy对此沉思，认为生成逻辑在LLM架构中可变。实验证明RoBERTa可转为生成引擎。

MiniMax M3 实测：第一流的模型，已经对执行层动手了

文章对 MiniMax M3 模型进行多维度实测。它强化 Coding 与 Agent 能力，能完成长任务，与 Sonnet 4.6 竞技各有优势，多模态能力强，价格有竞争力，MiniMax Code 意在争夺开发者工作流入口。

告别Reasoning模型的“灵光一现”，推理能力可控了

当前GPT - 4o、DeepSeek - R1等大模型推理的‘高级操作’随机触发，不可控。研究者受经典推理三要素启发，教会模型三种‘元能力’，经三阶段训练，模型效果提升，让推理能力可控。

谷歌悄咪咪上线了 10 款 AI 应用，下一个 NotebookLM 可能在里面

谷歌在Google Labs上线10款AI应用，如Whisk生图、Mixtape将名画变音乐、Food Mood定制食谱等。不少项目虽处实验阶段，但完成度和可玩性高，还展现了谷歌在AI领域的探索与创新。

Ilya Sutskever最新演讲：AI将接管你的一切

2015年Ilya Sutskever联合创立OpenAI，后离开创立SSI获巨额融资。在多伦多大学学位授予仪式演讲，分享成长心态，探讨AI对学习、工作影响，认为AI最终能完成人类所有任务，带来进步也有挑战。

GitHub告诉你，开发者真正需要的AI是什么

GitHub高级产品经理与开发者布道师交流发现，开发者想要更顺畅、少打断的创造过程。优秀AI编码工具应守护专注力、减少对话框干扰、赋予开发者掌控权，适应不同阶段开发者需求。

干掉同传？谷歌把AI同传放入所有耳机，顺手发了个颠覆性的AI浏览器

Google加速将Gemini融入核心产品线，向Google翻译引入其能力，带来实时语音翻译Beta版，提升文本语境理解，扩展语言学习工具；还推出实验性浏览器Disco，用AI重构网页浏览体验。