从C端的小美，到B端的“袋鼠参谋”、“袋鼠管家”和“智能管家”，美团已经作出了一个“AI助手”矩阵。未来，这些AI助手之间如何配合和协作，形成一个新的AI原生生态，充满了想象、但也充满了挑战。
哪些团队在真正积极拥抱 AI，而哪些团队还在偷偷“躲避”。
AI模型是现在，Physical AI是未来
AI写作暂时难堪大用+球迷受众对AI创作的天然警惕，才是体育记者继续守住业务地盘的根本。
恶搞也要有底线！
Poolside 是一家 AI 编程初创公司，其首款产品问世仅一年。该公司正与 CoreWeave 合作开发全美规模最大的数据中心之一，这标志着人工智能基础设施投资热潮的最新动向。
多模态大模型首次实现像素级推理，指代、分割、推理三大任务一网打尽！
大模型强化学习总是「用力过猛」？Scale AI联合UCLA、芝加哥大学的研究团队提出了一种基于评分准则（rubric）的奖励建模新方法，从理论和实验两个维度证明：要想让大模型对齐效果好，关键在于准确区分「优秀」和「卓越」的回答。这项研究不仅揭示了奖励过度优化的根源，还提供了实用的解决方案。
近期，扩散语言模型备受瞩目，提供了一种不同于自回归模型的文本生成解决方案。为使模型能够在生成过程中持续修正与优化中间结果，西湖大学 MAPLE 实验室齐国君教授团队成功训练了具有「再掩码」能力的扩散语言模型（Remasking-enabled Diffusion Language Model, RemeDi 9B）。
在 AI 发展的新阶段，大模型不再局限于静态知识，而是可以通过「Search Agent」的形式实时连接互联网。搜索工具让模型突破了训练时间的限制，但它们返回的并非总是高质量的资料：一个低质量网页、一条虚假消息，甚至是暗藏诱导的提示，都可能在用户毫无察觉的情况下被模型「采纳」，进而生成带有风险的回答。
