内容栏目
分享不同 AI 工具、模型与相关技术的使用方法和实践文章。
AI证明数学猜想，这次来真的了。 OpenAI最新模型GPT-5.2 Pro刚刚独立证明了一道埃尔德什猜想。 论证过程经菲尔兹奖得主陶哲轩验证成立，还被评价为“迄今为止最明确的第一类结果（AI主要贡献）”。 这道题是埃尔德什问题库中的第281号，由传奇数学家保罗·埃尔德什（Paul Erdős）与罗纳德·格雷厄姆（Ronald Graham）于1980年共同提出，涉及同余覆盖系统与自然密度的深层关系。 45年来，这道题一直静静躺在问题库里，等待解答。 直到2025年1月17日，一位名叫Neel Somani的研究者把这道题扔给了GPT-5.2 Pro。 证明只用到GPT 5.2 Pro 埃尔德
你可以卖自己的 Skills 了。 扣子 Coze 支持了 Skill 功能，用户可以在平台上自由创建并使用自己的 Skills。 还上线了技能商店，你做的 Skills 可以上架，让别人直接用。 可以选择免费对外，也可以设定收费，给 Skills 创作者新的变现机会。之前写 Agent Skills 文章时，还只能在本地电脑上用 Skills，现在也算有了新选择。 为了让更多人能上手创作 Skills，这篇文章将会为你带来： 1.以扣子技能商店为例，能想到做哪些 Skills？ 2.Coze Skills 的差异：与 Claude Skills 的区别和适用场景 3.怎么设计一个好 Skil
想象这样一个日常画面：你吩咐家用机器人「烧壶开水」，它却当场卡壳——水壶在哪？该接自来水还是过滤水？先插电还是先按开关？水开了又该如何判断？这些对人类而言像呼吸一样自然的家务，对过去的机器人却是大大的难题：要么忘了插电，要么找不到水壶，甚至会把柜门把手错当成开关一通乱按。
无需真实奖励，哪怕用随机、错误的信号进行训练，大模型准确率也能大幅提升？
让大模型轻松处理比自身上下文窗口长两个数量级的超长文本！
ICLR 2026 的 Rebuttal 结束了。当 OpenReview 上的喧嚣散去，我们发现，作者与审稿人之间漫长的拉锯战，最终往往只剩下一个核心分歧：「这个想法，以前真的没人做过吗？」
当你在电商平台搜索“苹果”，系统会推荐“水果”还是“手机”？或者直接跳到某个品牌旗舰店？短短一个词，背后承载了完全不同的购买意图。而推荐是否精准，直接影响用户的搜索体验，也影响平台的转化效率。
近日，清华大学与星尘智能、港大、MIT 联合提出基于对比学习的隐空间动作预训练（Contrastive Latent Action Pretraining, CLAP）框架。这个框架能够将视频中提纯的运动空间与机器人的动作空间进行对齐，也就是说，机器人能够直接从视频中学习技能！
视觉模型用于工业“缺陷检测”等领域已经相对成熟，但当前普遍使用的传统模型在训练时对数据要求较高，需要大量的经过精细标注的数据才能训练出理想效果。
2025年，风光无限的机器人们在Demo中大秀绝活，从叠衣服、工厂和物流站分拣包裹，到零售店卖货……它们忙碌的身影存在于各种各样的场景中。但回到现实世界，具身智能真正参与的生活和生产环节，却少之又少。
在日常工作和学习中，笔记管理一直是个让人头疼的问题。传统的笔记工具要么功能单一，要么需要手动绘制各种图表和整理格式。特别是当我们需要制作知识结构图、思维导图或者将内容转化为不同风格的笔记时，往往需要花费大量时间和精力。
北邮最新综述探讨了文生图扩散模型的可控生成技术，总结了在文本条件之外引入新条件信号的方法，从任务和方法两个层面梳理了可控生成技术。
视频世界模型领域又迎来了新的突破！ 复旦大学与腾讯 PCG ARC Lab 等机构的研究者们提出了 VerseCrafter，这是一个通过显式 4D 几何控制（4D Geometric Control）实现的动态逼真视频世界模型。它不仅能像「导演」一样精准控制运镜，还能同时指挥场景中多个物体的 3D 运动轨迹，为视频生成引入了物理世界维度。 自 Sora 问世以来，视频世界模型（Video World Models）成为了 AI 领域最热门的研究方向之一。我们希望 AI 不仅能生成视频，更能理解和模拟真实的物理世界。然而，现有的视频模型往往面临一个核心困境：视频是在 2D 平面上播放的，但真实
3D模型的实例分割一直受限于稀缺的训练数据与高昂的标注成本，训练效果有待提升。
随着大模型步入规模化应用深水区，日益高昂的推理成本与延迟已成为掣肘产业落地的核心瓶颈。在 “降本增效” 的行业共识下，从量化、剪枝到模型蒸馏，各类压缩技术竞相涌现，但往往难以兼顾性能损耗与通用性。
在家庭厨房自主使用洗碗机，在办公室边移动边擦拭白板——这些人类习以为常的场景，对人形机器人来说，却是需要调动全身关节协同运作才能完成的“高难度挑战”。
来自 Player2 的研究员们提出了 Pixel2Play（P2P）模型，该模型以游戏画面和文本指令作为输入，直接输出对应的键盘与鼠标操作信号。在消费级显卡 RTX 5090 上，P2P 可以实现超过 20Hz 的端到端推理速度，从而能够真正像人类一样和游戏进行实时交互。P2P 作为通用游戏基座模型，在超过 40 款游戏、总计 8300 + 小时的游戏数据上进行了训练，
如果将2023年定义为AI的“奇点大爆炸”，那么站在2025年的终章回望，我们不得不承认：“百模大战”的硝烟已散，一个残酷而清晰的“双极化”新世界已然定型。2023-2025 这三年，全球 AI 应用市场完成了从“单点工具猎奇”向“双极化生态定局”的结构性跨越。
简单到难以置信！近日，Google Research一项新研究发现：想让大模型在不启用推理设置时更准确，只需要把问题复制粘贴再说一遍，就能把准确率从21.33%提升到97.33%！
香港大学（The University of Hong Kong）与 Adobe Research 联合发布 Self-E（Self-Evaluating Model）：一种无需预训练教师蒸馏、从零开始训练的任意步数文生图框架。其目标非常直接：让同一个模型在极少步数也能生成语义清晰、结构稳定的图像，同时在 50 步等常规设置下保持顶级质量，并且随着步数增加呈现单调提升。
参与交流
了解加入交流群的方式，阅读内容无需登录。