谷歌团队发布LLM硬核技术教科书，从「系统视图」揭秘LLM Scaling的神秘面纱。Jeff Dean强调书中藏着谷歌最强AI模型Gemini训练的更多信息。
近年来， Scaling Up 指导下的 AI 基础模型取得了多项突破。从早期的 AlexNet、BERT 到如今的 GPT-4，模型规模从数百万参数扩展到数千亿参数，显著提升了 AI 的语言理解和生成等能力。然而，随着模型规模的不断扩大，AI 基础模型的发展也面临瓶颈：高质量数据的获取和处理成本越来越高，单纯依靠 Scaling Up 已难以持续推动 AI 基础模型的进步。
众所周知，目前 DeepSeek R1 有一个很大的痛点是不支持 Function Call 的。GitHub 上有许多开发者都表达了这一诉求。
知名博主 Ben Thompson 在使用 Deep Research 后写的一篇 Deep Research and Knowledge Value[1]，谈到了在信息搜索上带来的价值。
AlphaFold 3 获得诺贝尔奖是 AI 智能重要的里程碑，让我们有信心类似 AlphaFold 的模型能为接下来十年的科学和生物结构发现起到关键作用。
想象这样一个特别的“直播平台”，主播从来不担心冷场、没人气，因为根本没有真人观众，而是 AI 充当气氛组，他们始终热烈回应主播的一举一动、一言一行，只要开播，即刻能过一把当网红的瘾。你可能还在疑问到底谁是这个奇怪产品的受众，「Parallel Live」则已经能用不俗的营收表现回应一切。上个月，其幕后开发者 Ethan Keiser 通过推特宣布，该产品赚了超过百万美元。
AI虚拟细胞，在计算机中代谢的生命体。2024年12月，斯坦福大学、基因泰克制药公司和陈-扎克伯格基金会的研究团队在《Cell》杂志上发表论文[1]，呼吁全球科学界利用AI技术制造这一“数据细胞”。听起来像是科幻电影里的情节，但它正在悄然发生，并即将改变生物医学界的未来。
在今年1月《Journal of Supercomputing》上开源的「开源类脑芯片」二代（Polaris 23）完整版本源代码，基于RISC-V架构，支持脉冲神经网络（SNN）和反向传播STDP。该芯片通过并行架构显著提升神经元和突触处理能力，带宽和能效大幅提升，MNIST数据集准确率达91%。
在AI时代，腾讯的新人设是拥有“后发优势”的拳手
近日，知名播客Invest Like the Best主播Patrick O'Shaughnessy与红杉资本（Sequoia Capital）合伙人Ravi Gupta围绕他的一篇文章AI or Die（文章链接：https://www.rkg.blog/ai-or-die.php）进行了一次对谈。
