
在一台1970年代的PDP-11上训练Transformer需要多久?答案是5.5分钟 (opens in a new tab)
试想一下,如果把当下大火的大模型技术带回 1970 年,会发生什么?
Total 1517 articles

试想一下,如果把当下大火的大模型技术带回 1970 年,会发生什么?

今年 2 月,一位 Mastodon 用户随手敲了一句话丢给四个主流大模型:「我想洗车,我家距离洗车店只有 50 米,请问你推荐我走路去还是开车去呢?」

AI交互的「机械感」消失了!今天,豆包甩出原生全双工语音大模型Seeduplex,不仅能边听边说,甚至能听懂你在思考时的「卡壳」,就算环境再吵也不怕,抗干扰能力直接拉满。

AI生成图表,难道只能靠碰运气? 把一份Excel表格丢给大模型,然后对着一张配色诡异、甚至连坐标轴都标注错误的不可编辑图片,你开始陷入沉思。 在这个万物皆可AIGC的时代,最大的谎言就是“把一切交给AI就够了”。 大多数AI图表工具,本质上都是“盲盒机”:人类被动接受结果,错了只能重来。而这绝非人机协作的终点。 为什么AI做不好图表? 本质原因在于,数据表达是一个门槛极高的专业领域。 AIGC的出现看似降低了门槛,但数据表达对科学性和准确性是“零容忍”的。AI幻觉导致的计算错误或逻辑错位,使得其生成的图表可用性极低。 为了解决这一行业痛点,武汉大学王琼教授团队亮出了他们的方案:爱图表(Ait

被动成为新一代 AI 黄埔军校的字节跳动。

全网震撼!《生化危机》女主跨界撸码,用Claude造出地表最强AI记忆系统,斩获全球首个满分。一年仅0.7美元,就能让大模型拥有永久记忆。

大模型正在批量生成「看起来很像真的」学术论述,但这些论述背后的引用,真的成立吗?更关键的是:当被引论文被付费墙锁住、原文根本读不到时,自动化核验是否就注定失效?

OpenAI和Anthropic的上市竞速,是硅谷最受关注的一场IPO竞赛。

一家叫 Rallies Arena 的团队,6 个月前干了一件事:给 6 个主流大模型各发了 10 万美元,让它们在真实股票市场上自己做研究、自己下单、自己管仓位。

大模型技术正在经历一场从 “对话助手” 向 “自主智能体(Agent)” 的深刻演进。智能体不再局限于被动地理解与生成,而是具备了多步规划、工具调用、长期记忆与管理物理 / 数字世界的能力,正逐步深度嵌入企业侧的核心业务流程。这意味着,AI 的边界已从虚拟屏幕的对话框,正式延伸到了真实的生产系统中。