
顶尖模型离“科学家”还差得远?AI4S亟待迈向2.0时代 (opens in a new tab)
周伯文还详细介绍了上海 AI 实验室近年来开展的前沿探索与实践,包括驱动 “通专融合” 发展的技术架构 ——“智者”SAGE(Synergistic Architecture for Generalizable Experts),其包含基础、融合与进化三个层次,并可双向循环实现全栈进化;支撑 AGI4S 探索的两大基础设施“书生”科学多模态大模型 Intern-S1、“
Total 438 articles

周伯文还详细介绍了上海 AI 实验室近年来开展的前沿探索与实践,包括驱动 “通专融合” 发展的技术架构 ——“智者”SAGE(Synergistic Architecture for Generalizable Experts),其包含基础、融合与进化三个层次,并可双向循环实现全栈进化;支撑 AGI4S 探索的两大基础设施“书生”科学多模态大模型 Intern-S1、“

好家伙,AGI真的「Open」了我的生活。(doge)

为什么让多模态大模型“一步一步思考”(”Let’s think step by step”)来回答视频问题,效果有时甚至还不如让它“直接回答”?

Kimi 年前放大招了。 我只给了新模型 1 张参考图,就一次性开发出了这样的网页效果 ⬇️ 设计优秀,动效自然,与 Gemini、Claude、GPT 横测,也能排第一。 还有新 Agent 集群模式,让它一次性调研 Github 最热的 100 个 Skill,能轻松调度 100 个 sub-agent 和虚拟机。(类似 Manus 的 Wide Research) 你看完有没有一点点🤏震惊?(我还是很有操守地没用标题震惊体哈哈哈) ⬇️ 总之,Kimi 赶在年前,连发了 3 个新品: K2.5:最新模型,支持多模态,整合视觉+思考,前端 Coding 大提升Agent 集群:能并行调度

讯飞星辰智能体平台升级,创建数字人、多模态交互、自动执行全配齐。

随着大语言模型加速迈向多模态与智能体形态,传统以单一维度为主的安全评估体系已难以覆盖真实世界中的复杂风险图景。在模型能力持续跃升的 2026 年,开发者与用户也愈发关注一个核心问题:前沿大模型的安全性,到底如何?

在向量数据库的工程实践中,处理多模态数据,特别是结合地理位置(LBS)与非结构化语义数据,一直是一个复杂的架构挑战。

近期,FlashLabs 发布并开源了其实时语音模型 Chroma 1.0,其定位为全球首个开源的端到端语音到语音模型。Chroma 1.0 发布之后,便在社媒爆火,吸引了大量的关注。X 上的官推帖子已经突破了百万浏览量。

目前已经出现了一些早期迹象,通用LLM助手领域的市场格局,正朝着“赢家通吃”,至少是“赢家通吃大部分市场”的趋势发展。在ChatGPT、Gemini、Claude 3和Cursor这几款产品中,仅有9%的用户会为一款以上的产品付费。

现有的多模态模型往往被困在「视频」的孤岛里——它们只能回答视频内的问题。但在真实世界中,人类解决问题往往是「看视频找线索 -> 上网搜证 -> 综合推理」。