搜索
FutureHouse 是由 Google 前 CEO Eric Schmidt 资助创立的、专注于 AI for Science 方向的的 AI Lab，团队的长期目标是打造可自主提出问题、规划实验、迭代假设的 AI 科学家体系。
在 AI 成为全球共识之前，他已经坚定押注；在众人质疑深度学习时，他默默下注；在通用智能仍属“天方夜谭”的年代，他成为 OpenAI 最早的支持者之一。
LLMs能当科研助手了？ 北大出考题，结果显示：现有模型都不能胜任。
Deepseek 的 R1、OpenAI 的 o1/o3 等推理模型的出色表现充分展现了 RLVR（Reinforcement Learning with Verifiable Reward
前有AlphaFold破解蛋白质之谜，今有AlphaGenome揭示DNA天书。谷歌DeepMind最新103页力作，用AI成功预测基因突变，一次即可读取100万个DNA碱基，精度无「模」能敌。
恭喜 Meta。
今天，一家外媒曝出猛料：美国本来要搞「AI马歇尔计划」，但特朗普政府太无能像在摆烂，导致芯片不够、盟友跑光，「AI版北约」直接流产，CEO们急到头上冒烟。一场关乎芯片、就业、地缘政治的AI冷战，已经在悄然升级。其实这不仅仅关乎美国，你我都在牌桌上。
大模型热潮席卷全球，越来越多企业拥抱AI变革。一个普遍却棘手的难题横亘在眼前：
近年来，随着人工智能从感知智能向决策智能演进，世界模型 （World Models）逐渐成为机器人领域的重要研究方向。世界模型旨在让智能体对环境进行建模并预测未来状态，从而实现更高效的规划与决策。
近年来，diffusion Transformers已经成为了现代视觉生成模型的主干网络。随着数据量和任务复杂度的进一步增加，diffusion Transformers的规模也在快速增长。然而在模型进一步扩大的过程中，如何调得较好的超参（如学习率）已经成为了一个巨大的问题，阻碍了大规模diffusion Transformers释放其全部的潜能。