刚刚，计算机科学家 Yoshua Bengio 创造了新的历史，成为 Google Scholar 上首个引用量超过 100 万的人！打个直观的比方，如果我们将每一篇引用论文打印成册（假设平均厚度为 1 毫米），然后将它们垂直堆叠起来，这座由知识构成的纸塔将高达 1000 米。这是什么概念？它将轻松超越目前的世界最高建筑，即 828 米的迪拜哈利法塔。
王自如撑场，雷鸟上桌。 刚刚，雷鸟发布了全球首个HDR10 AR眼镜—— 雷鸟Air 4，1599元起售。 大家不知道HDR10没关系，咱直接看画质对比就完事儿：AR眼镜摇身一变，开始玩专业摄影那套了。甚至连好久不出面儿的王自如也被拉来做评测了，不禁感慨，这是重拾旧业啊：
大模型后训练的痛点：均值优化忽略低概率高信息路径，导致推理能力停滞。RiskPO双管齐下，MVaR目标函数推导梯度估计，多问题捆绑转化反馈，实验中Geo3K准确率54.5%，LiveCodeBench Pass@1提升1%，泛化能力强悍。
大型语言模型（LLM）本身很强大，但知识是静态的，有时会“胡说八道”。为了解决这个问题，我们可以让它去外部知识库（比如维基百科、搜索引擎）里“检索”信息，这就是所谓的“检索增强生成”（RAG）。
最近，曾任字节智慧教育业务线 CEO 的李可佳（Ethan KJ Li）也入局了“AI 播客”，只不过它的思路与前两位并不相同。李可佳的产品名为 Aibrary，于今年 4 月 23 日上线美区 App Store 进行测试，9 月 23 日正式上线。从官网上的介绍来看，Aibrary 的核心功能是把书籍转化/重塑为个性化播客，并通过定制学习路径、互动式辅导，服务于个人学习场景。
dots.ocr 支持多语言文档的解析，能够在单一模型中统一完成版面检测、文本识别、表格解析、公式提取等任务，并保持良好的阅读顺序。他们之所以在一个模型中完成这些任务，是因为他们相信这些任务之间可以相互促进，为彼此提供更多的 context，从而达到更高的性能上限。目前，该项目的 star 量已经超过了 5000。
加州大学伯克利分校的研究团队提出了一种AI驱动的系统研究方法ADRS（AI-Driven Research for Systems），它可以通过“生成—评估—改进”的迭代循环，实现算法的持续优化。
大家好，我是袋鼠帝。 国庆那几天，刷抖音，偶然刷到了一个看起来挺🐂🍺的AI工具。 视频里，一个哥们只是发布了一个任务，Agent就自动打开了小红书网站，登录账号，上传图片，写入标题和笔记内容，最后自己
TechCrunch 报道，之前一直以 AI 语音初创公司示人的 Sesame，完成了 2.5 亿美元的 B 轮融资，投资方包括红杉资本、Spark Capital 及其他未公开的投资者。随后，Sesame 创始人 Brendan Iribe 也在个人社媒账号上发帖，证实该消息。
当前的训练与评测范式存在一个根本性的局限：几乎所有主流 Benchmark（如 MATH500、AIME）都聚焦于孤立的单步问题，问题之间相互独立，模型只需「回答一个问题，然后结束」。但真实世界的推理场景往往截然不同： 为填补这一空白，复旦大学与美团 LongCat Team 联合推出 R-HORIZON—— 首个系统性评估与增强 LRMs 长链推理能力的方法与基准。
