搜索
多模态大推理模型的幻觉，很多时候并非「没看见」，而是在最不确定的推理阶段想偏了。最新研究发现，模型在生成because、however、wait等transition words时，往往处于高熵关键节点，更容易脱离图像证据、转向语言脑补。LEAD在高熵阶段不急于输出单一离散token，而是先在潜在语义空间保留多种候选推理方向，并通过视觉锚点持续拉回图像证据，显著缓解幻觉。
生成式模型当检索器大材小用效果还不好？
Granola 最初是一款面向专业消费者的应用，安装在用户电脑上，用于转录会议并生成笔记。如今，它一直在开发功能以适应企业级技术栈。例如，去年它开始允许团队成员协作处理笔记。公司表示，目前已成功打入 Vanta、Gusto、Thumbtack、Asana、Cursor、Lovable、Decagon 以及 Mistral AI 等企业客户。
“真的受够了 Windows 11 中各种莫名其妙的 AI 功能。”
斯坦福和MIT的研究团队推出了一种新的AI智能体推理框架ReCAP，在长上下文任务中全面超越了现有的主流框架ReAct，性能提升显著。ReCAP通过独特的递归树结构和三大机制，解决了大语言模型在复杂任务中常见的目标漂移、上下文断层和成本爆炸等问题。
Game-TARS基于统一、可扩展的键盘—鼠标动作空间训练，可在操作系统、网页与模拟环境中进行大规模预训练。依托超5000亿标注量级的多模态训练数据，结合稀疏推理（Sparse-Thinking） 与衰减持续损失（decaying continual loss），大幅提升了智能体的可扩展性和泛化性。
为了打破这一僵局，来自佐治亚理工学院、明尼苏达大学和哈佛大学的研究团队将目光从单纯的「成功」转向了「成功且高效」。他们推出了名为 ReCA 的集成加速框架，针对多机协作具身系统，通过软硬件协同设计跨层次优化，旨在保证不影响任务成功率的前提下，提升实时性能和系统效率，为具身智能落地奠定基础。
谢集，浙江大学竺可桢学院大四学生，于加州大学伯克利分校（BAIR）进行访问，研究方向为统一多模态理解生成大模型。第二作者为加州大学伯克利分校的 Trevor Darrell，第三作者为华盛顿大学的 Luke Zettlemoyer，通讯作者是 XuDong Wang, Meta GenAl Research Scientist、
感谢 Moose 老师非常细致地分享了： 他从WAIC 大会现场观察了国内 AI 的最新动向——从大厂展区的大模型生态，到独立团队的创意产品，涵盖办公、教育、设计、视频等多个场景。通过这些案例，可以更清晰地看到 AI 在 2025 年的三种趋势：套壳的传统产品、短期的效率工具，以及真正有潜力的垂直平台与智能体（Agent）
一家成立不足两年的以色列公司Decart突然以31亿美元估值拿下1亿美元B轮融资，领投方是红杉资本，Benchmark、Zeev Ventures等顶级风投也争相入局。