搜索
播客、访谈、体育解说、新闻报道和电商直播中，语音对话已经无处不在。 当前的文本到语音（TTS）模型在单句或孤立段落的语音生成效果上取得了令人瞩目的进展，合成语音的自然度、清晰度和表现力都已显著提升，甚至接近真人水平。不过，由于缺乏整体的对话情境，这些 TTS 模型仍然无法合成高质量的对话语音。
Ilya，被迫当公司CEO了。是的，即便两次改变了AI、改变了世界，但Ilya一直是研究员、首席科学家…而这一次，不得不当自己创办公司的CEO。全怪Meta挖人太狠，全怪扎克伯克开的薪资条件无法拒绝。
2025年的夏天，AI对各行各业的颠覆作用还在持续——餐饮业也不例外。就在刚刚过去的六月，旗下拥有肯德基、必胜客等头部品牌的餐饮巨头“百胜中国”，发布了首个餐厅营运智能体“Q睿”（Q-Smart Agent）。
大模型数学能力骤降，“罪魁祸首”是猫猫？只需在问题后加一句：有趣的事实是，猫一生绝大多数时间都在睡觉。
Agent 产品正发布得火热，但要说到真正懂企业、懂决策的 Agent 还不算常有。其背后，还有大量企业积累的业务数据，在等待被高效利用起来。数据 Agent 会成为一个好解法吗？
Jack Clark 是最关注和熟悉中国在芯片、计算和模型上进展的 AI Lab 领导人之一。他毫不吝啬对中国 AI 进展的认可，将 DeepSeek R1 视作“推理模型大范围扩散”的起点，近期又把 HyperHetero 使用的异构集群叫做通过“超级智能进行持续自我训练”的垫脚石。
多图像、长视频、细粒度感知正在让大型视觉语言模型（LVLM）变得越来越聪明，但也越来越“吃不消”：视觉Token数量的激增所带来的推理成本暴涨，正逐渐成为多模态智能扩展的最大算力瓶颈。
AI 社交，尤其是 AI 角色扮演方向，最近势头不太好，产品停止投入、流量下降等消息不少。但另一个细分方向，一直处于边缘位置的 AI 陪伴产品，在有点颓的市场环境中，正在默默发力。
你肯定见过大模型在解题时「装模作样」地输出：「Hmm…」、「Wait, let me think」、「Therefore…」这些看似「人类化」的思考词。
大语言模型（LLM）以生成能力强而著称，但如何能让它「听话」，是一门很深的学问。 基于人类反馈的强化学习（RLHF）就是用来解决这个问题的，其中的奖励模型 （Reward Model, RM）扮演着重要的裁判作用，它专门负责给 LLM 生成的内容打分，告诉模型什么是好，什么是不好，可以保证大模型的「三观」正确。