飞利浦专业声波洁牙科技：电动牙刷“功能内卷”之后，谁还在认真把牙刷干净？
今年9月，某跨界品牌推出可视化电动牙刷，集微距摄像头、AI识别等功能于一体，以新奇功能赚足眼球，也让“电动牙刷到底该关注什么”再度成为行业热议的话题。
苹果的M5 Ultra本地AI真能跑出“4倍提升”？
256GB甚至未来512GB统一内存里，可以放下超大模型、代码、文档和长上下文，再让多个Agent一起工作。这时候，衡量一台本地AI机器的体验，一秒能吐出多少Token，已经只是其中一个数字。
一个模型跑一整天，GPU却在偷偷睡觉：阿里通义团队怎么解决超长智能体训练的浪费问题
阿里通义团队提出QWENGYRE框架,通过弹性调度器和轨迹处理器解决超长horizon智能体强化学习训练中GPU空闲和轨迹冗余两大难题,在旗舰模型上实现显著加速与效果提升。
多模态大模型还需要视觉编码器吗？一份来自腾讯的缩放定律研究
腾讯团队系统对比了编码器无关与编码器based多模态大模型的缩放规律,发现前者在多模态任务上虽起步落后,但损失下降更快,预计在10的22次方FLOPs量级实现反超,且解码器会自发承担起视觉编码功能。
水印能被偷走吗？一场关于图片"隐形签名"的攻防战
这篇论文研究AI图片水印为何会被伪造转移到无关图片上，提出RT指标量化这一风险，发现关键在架构设计而非训练配置，并提出无需重构模型的CoverLock插件，大幅降低伪造成功率同时保持鲁棒性。
AI模型之间悄悄传递的"小纸条"，可能什么都没说
论文发现现有模型间潜在通信方法存在"信息使用鸿沟"，涨分未必来自真实内容传递。作者提出Draft-KV，通过传递发送方答题草稿的键值状态并渐进式训练，使接收方准确率从37.45%提升至78.04%，且效果确实依赖正确配对...
Wabi从App生成器转型为AI消息助手
AI应用创业公司Wabi发布2.0版本，从应用构建工具转型为AI消息平台，支持用户在对话中按需生成界面，将聊天与生产力任务整合于一处，目前仅限邀请码用户体验。
OpenAI发布Dots智能体，萨姆·奥特曼展示拟人化新助手
OpenAI在Dev Day上发布Dots智能体助手，由GPT-6 Astra驱动，可在后台持续执行用户任务，支持通过Slack、Teams等平台交互。首批面向Pro和Business Premium用户开放，支持从Ch...
OpenAI推出GPT-6.1 Sol，性能接近GPT-6 Astra但成本更低
OpenAI在DevDay活动上推出GPT-6.1 Sol，性能接近GPT-6 Astra，但输入输出Token价格仅为其五分之一。该模型在编程调试、文档理解及多步骤工作流等复杂任务上较GPT-6 Sol有显著提升，并改...
OpenAI为Codex推出可跨设备使用的可复用云端环境
OpenAI在Dev Day上为旗下软件工程智能体Codex推出多项新功能，包括可跨设备访问的持久化云端开发环境、语音指令Codex CLI、新代码审查体验及Codex Security Cloud安全工具集，后者可自动...
运营偏移正成为发电企业的风险隐患
随着AI训练负载推动电力需求激增，电力运营商面临劳动力转型与运维复杂度同步上升的双重压力。文章指出，"操作漂移"（即日常作业逐渐偏离标准流程）是当前的核心风险，建议通过数字化工作流、执行验证和闭环反馈机制，将现场经验系统...
Diffusion Controller：统一并简化 AI 图像生成
谷歌研究团队提出Diffusion Controller框架，将图像生成去噪过程建模为连续控制问题，通过轻量级"转向阻尼器"网络精准引导生成轨迹。该方法无需访问模型内部权重即可适配闭源模型，在Human Preferen...
AI给自己出题、自己打分：一个五个蘑菇的故事教会我们的事
VQS让视觉语言模型不再靠投票猜答案,而是把图片解析成结构化数据,用固定程序算出答案并逐句核验事实,大幅降低自我训练中的错误标签,在十个基准上实现稳定提升。
训练和推理之间那道看不见的裂缝，正在悄悄拖垮大模型的强化学习
读完这篇论文，我印象最深的其实不是CIS这个方法本身，而是作者们那种"回到源头"的思考方式。 大家一开始都盯着"比值"这个最终呈现的数字做文章,设上限、设区间、用KL散度筛选,这些都是在下游打补丁。而这篇论文往回多...
让AI模型多想几遍，为什么反而想错了
清华团队提出TaH2，让循环变压器学会判断哪些字需要多算一轮。相比固定深度多算，TaH2在数学难题上准确率提升超3个百分点，且深度增加时优势持续扩大，突破了循环模型后训练效果不及标准模型的困境。
给多模态大模型做"极限瘦身"后，怎么教它重新学会看图说话
本文介绍LT-OPD训练框架,通过让极限压缩的多模态大模型在自己生成的内容上接受满血版模型指导,并配合渐进式课程学习,在仅保留5%视觉token时把性能保留率从68.6%提升到82.3%,且不增加推理成本。
AI训练的时间戳陷阱：为什么给智能体喂"标准答案"也会喂错
本文解读ALIGNOPSD方法,该方法针对AI智能体训练中"决策与时间戳错配"问题,通过先对齐功能相同的决策场景再打分,并按可变长度决策段分配信用,在ALFWorld、WebShop、Search-QA三大任务上相比GR...