在大语言模型（LLMs）领域，自回归（AR）范式长期占据主导地位，但其逐 token 生成也带来了固有的推理效率瓶颈。此前，谷歌的 Gemini Diffusion 和字节的 Seed Diffusion 以每秒千余 Tokens 的惊人吞吐量，向业界展现了扩散大语言模型（dLLMs）在推理速度上的巨大潜力。
上周，一款由AI驱动的CRPG游戏《印格》（Engram）在ChinaJoy上亮相。
本项工作提出了一种全新的生成模型：离散分布网络（Discrete Distribution Networks），简称 DDN。相关论文已发表于 ICLR 2025。
首个开源多模态Deep Research Agent来了。整合了网页浏览、图像搜索、代码解释器、内部 OCR 等多种工具，通过全自动流程生成高质量推理轨迹，并用冷启动微调和强化学习优化决策，使模型在任务中能自主选择合适的工具组合和推理路径。
随手拍的一张图，就能秒变3A级游戏大作？！ 刚刚，腾讯全新开源游戏视频生成框架Hunyuan-GameCraft，专为游戏环境设计，让任何人都能轻松搞定游戏制作。
AI 编程助手虽备受追捧、话题不断，但现实远没有想象中光鲜。许多热门工具——如 Cursor、Windsurf——其实都在亏本运营。TechCrunch 报道称，这类产品毛利率极低，甚至为负，也就是说，每新增一个用户，亏损就会进一步扩大。这并非初创公司为抢占市场的短期现象，而是市场在传递一个明确信号：这种商业模式走不通。
我最近深入研究了一家名为 StackOne 的伦敦创业公司，他们刚刚完成了由 GV（Google Ventures）领投的 2000 万美元 A 轮融资，这不仅仅是一个简单的融资消息，而是整个企业软件生态系统即将迎来根本性变革的信号。
一个个赚飞的AI编程公司其实已经亏爆了！ TechCrunch的最新调查带来了这个反常识的冷思考。
LaTeX 公式的光学字符识别（OCR）是科学文献数字化与智能处理的基础环节，尽管该领域取得了一定进展，现有方法在真实科学文献处理时仍面临诸多挑战：
近年来，大语言模型（LLM）在语言理解、生成和泛化方面取得了突破性进展，并广泛应用于各种文本任务。随着研究的深入，人们开始关注将 LLM 的能力扩展至非文本模态，例如图像、音频、视频、图结构、推荐系统等。
