共 48 篇
语音，或许是最快跑通 PMF 的模型。 沉寂已久的语音大模型的市场，在 2025 年又重新热了起来。 硬件端，如果以单品销量突破百万为标志，那么 Plaud 为代表的 AI 转录笔、AI 耳机，这些与 AI 语音强绑定的硬件，或许是大模型落地中为数不多成功的品类。 同时，伴随阿里、字节等大厂，华米 OV 等传统硬件公司，乃至 ikko、时空壶、黄鹂智声等创新硬件公司下场，语音 AI 硬件已经成为炙手可热的品类。 硬件端的热度，传导到算法层：今年以来，包括 OpenAI GPT-4o 语音系列、Anthropic Claude 语音模式、Mistral Voxtral 系列、ElevenLabs
近日，上海人工智能实验室的研究团队提出了一种全新的后训练范式——RePro（Rectifying Process-level Reward）。这篇论文将推理的过程视为模型内部状态的优化过程，从而对如何重塑大模型的CoT提供了一个全新视角：
当你被扔进一片数据的汪洋，老板却期待你一眼看穿本质—— 你是否也曾幻想，有一位不知疲倦、全知全能的 AI 数据专家，能替你搞定从数据管理、准备，到分析的一切工作？
论文提出的方法名为 RL4HS，它使用了片段级奖励（span-level rewards）和类别感知的 GRPO（Class-Aware Group Relative Policy Optimization），从而避免模型偷懒、只输出无错误预测。
两年过去，ElevenLabs 已经融资 2.6 亿美元，网站访问量超 2500 万，稳坐 AI Web 全球 Top50 榜单，成为 AI 语音赛道的头部创企。而 Speechify 却渐渐“掉队”，榜单中难觅身影，而作为一个 AI 企业，它仅在 2017 和 2020 年有过两次融资，近几年也没有传出任何融资消息。
训练、推理性价比创新高。 大语言模型（LLM），正在进入 Next Level。 周五凌晨，阿里通义团队正式发布、开源了下一代基础模型架构 Qwen3-Next。总参数 80B 的模型仅激活 3B ，性能就可媲美千问 3 旗舰版 235B 模型，也超越了 Gemini-2.5-Flash-Thinking，实现了模型计算效率的重大突破。
大模型在科研领域越来越高效了。 昨天，谷歌发表了一篇重磅文章，提出了一个能够帮助科研人员编写「专家级」科研软件的 AI 系统。 该系统融合了大语言模型和传统树搜索，能够自动编写和优化科研任务中所需的软件程序，能够获取多种渠道的现有知识，整合并且重组这些知识来构建一个新的研究思路。 谷歌生成，该系统不仅稳定达到专家水平，还常常超越人类。在基因组学、公共健康、数值分析等多个领域，这套系统的表现甚至超过了顶尖研究团队和国家级集成系统。 论文标题：An AI system to help scientists write expert-level empirical software论文链接：http
AI自己玩手机、玩电脑、操作网页浏览器……背后还只靠一个模型。 卷王字节Seed又把智能体带到了一个全新level~