全模态大模型（Omnimodal Large Models, OLMs）能够理解、生成、处理并关联真实世界多种数据类型，从而实现更丰富的理解以及与复杂世界的深度交互。人工智能向全模态大模型的演进，标志着其从「专才」走向「通才」，从「工具」走向「伙伴」的关键点。
究竟是谁在说，PC行业触到天花板了？
最近不论是在学术圈还是产业实践中，对于RLVR和传统SFT之间的区别与联系，以及RL本身基于奖励建模反馈机制并结合不同的策略优化算法过程中对模型显性知识的学习和隐参数空间的变化的讨论热度一直很高。
如果告诉你，仅仅改变提示词（Prompt）的结构，就能让大模型在复杂推理任务上的表现暴涨 60%，你相信吗？
大家好，很高兴在字节技术奖学金，这样一个场合见到大家。我自己是一个技术爱好者，2014年我加入字节跳动。从最初负责搭建新的推荐系统开始，到现在已经有快12年了。这些年来，也一路参与了字节很多的技术探索。
您猜怎么着？Nano banana的新玩法就像路易十六，根本看不到头。今天一睁眼，就发现Pro版本带着咱掉进无限套娃的世界里了，be like：
2025 年，AIGC 热度再冲新高：从社交头像、电商海报到影视分镜，AI 生成内容已全面渗透日常创作。在这股浪潮中，Nano Banana、Qwen Edit 等通用图像编辑大模型功能强大，涵盖了广泛的图像编辑场景。特别是最新爆火的 Nano Banana Pro 能将文字指令转化为高精度图像，精准呈现复杂场景。但是上述图像编辑大模型在一些细分领域的表现仍有不足，并且用于简单任务性价比不高。
科研人不容易。3年投稿6次全被拒，每次等反馈要半年？？机器学习大佬吴恩达听说这位学生的“水逆”遭遇后，亲手搓了个免费的AI论文评审智能体出来。通过在ICLR 2025审稿数据上训练系统，并在测试集中对比发现，该AI审稿系统与人类审稿的相关系数达0.42，和人与人审稿间的0.41相近甚至还高一点。
这两年，写代码这件事变了。GitHub Copilot、Cursor、Devin 一路登场，工程师开始习惯“打一段话，几千行代码自己长出来”。写得出东西，变得前所未有地容易。但很快大家发现，真正拖住上线节奏的，不再是「能不能写出来」，而是「敢不敢放上生产环境」——代码量指数级增长，验证、回归、极端场景覆盖反而被彻底压缩，测试成了 AI 时代新的“硬瓶颈”。
卡内基梅隆揭秘美国AI产业链：谁能扼住AI的喉咙？OpenAI和迪士尼如何捆绑，AMD、软银和英伟达究竟在下哪盘棋？卡内基梅隆大学刚刚抛出一颗「产业核弹」：首个系统刻画数据、算力、模型、资本乃至人才流向的AI供应链数据集。
一时的技术成果或者用户增长，很难成为 AI 公司的竞争优势。
1米3的机器人小土豆，三步上篮也可以如此丝滑。
当 ChatGPT 在 2022 年底横空出世时，整个科技行业都被这股突如其来的对话式 AI 浪潮震得措手不及。
AI 编程新秀 Verdent AI 创始人陈志杰，不喜欢别人称呼他“陈总”，他说话自然、接地气，在接受 DeepTech 采访期间面对一时拿不准的问题有时会出现长达十秒左右的沉默以用于思考。
具身智能要想往大规模应用走，像英特尔这样的头部芯片公司必须突破算力架构。
最新研究发现，只要把恶意指令写成一首诗，就能让Gemini和DeepSeek等顶尖模型突破安全限制。这项针对25个主流模型的测试显示，面对「诗歌攻击」，百亿美金堆出来的安全护栏瞬间失效，部分模型的防御成功率直接归零。最讽刺的是，由于小模型「读不懂」诗里的隐喻反而幸免于难，而「有文化」的大模型却因为过度解读而全线破防。
在推荐系统迈向多模态的今天，如何兼顾数据隐私与个性化图文理解？悉尼科技大学龙国栋教授团队联合香港理工大学杨强教授、张成奇教授团队，提出全新框架 FedVLR。该工作解决了联邦环境下多模态融合的异质性难题，已被人工智能顶级会议 AAAI 2026 接收为 Oral Presentation。
前两天，Google发了一个非常有趣的论文： 《Nested Learning: The Illusion of Deep Learning Architectures》
特朗普正式签署「创世纪计划」，打响AI版「曼哈顿计划」！核心任务由美国能源部挂帅，集结举国超算资源与联邦数据，誓打造「美国科学与安全平台」。剑指核聚变、芯片、生物技术等六大命门，勒令9个月内构建AI科研闭环。
刚刚，Claude Opus 4.5问世，主打编码、Agent与computer use。Opus 4.5在前端开发、视觉能力上显著提升，更擅长使用电脑。在深度研究、PPT制作与电子表格处理等日常任务方面的表现也全面升级。
新的资金和算力基础设施将加速 Luma AI 通往多模态 AGI 的路径 —— 即能够模拟现实并在物理世界中帮助人类的 AI。
真·乘胜追击。
作为连接 AI 模型与广阔数字生态的「神经中枢」，MCP 协议已然成为智能体（AI Agent）不可或缺的基础设施。然而，长期以来，MCP 的交互仅限于文本和结构化数据，这种「盲人摸象」般的体验限制了更复杂应用场景的落地。
局势，变了。
陶哲轩携手Gemini，十分钟破解数学难题！
AI 浪潮席卷全球，但算力功耗的 “电费焦虑” 也随之而来。传统冯・诺依曼架构下，数据在 CPU 和内存间 “疲于奔命”，消耗了大量能量。
当北大哲学博士用「美学」驯化了AI，程序员的战场也变成了「艺术家」的乐园。在AI时代，人类独特的审美力或许才是无法被代码取代的终极护城河。
图像与视频重光照（Relighting）技术在计算机视觉与图形学中备受关注，尤其在电影、游戏及增强现实等领域应用广泛。当前，基于扩散模型的方法能够生成多样且可控的光照效果，但其优化过程通常依赖于语义空间，而语义上的相似性无法保证视觉空间中的物理合理性，导致生成结果常出现高光过曝、阴影错位、遮挡关系错误等不合理现象。
CMU×Meta 联手，姚班李忆唐最新论文成果。
上上周四，我去杭州给一家企业做了一场AI编程培训，内容是 Claude Code。
