众所周知，大型语言模型的训练通常分为两个阶段。第一阶段是「预训练」，开发者利用大规模文本数据集训练模型，让它学会预测句子中的下一个词。第二阶段是「后训练」，旨在教会模型如何更好地理解和执行人类指令。
QuestMobile 发布了 2025 年国内 AI 应用的上半年报告，总的来说，相比海外市场 app 和 web 市场都很火热的情况，国内市场的情况差别比较大。
AI行业对数据的渴求程度，质量大于数量。
LangExtract 是一个 Python 库，利用大型语言模型（LLMs）从非结构化文本中提取结构化信息，基于用户定义的指令。它可以处理临床笔记或报告等材料，识别并组织关键细节，同时确保提取的数据与源文本对应。
当传统调研机构还在用老套路——焦点小组、电话访谈、数周的数据分析——来服务客户时，一家名为 Knit 的创业公司正在用完全不同的方式重新定义这个价值数百亿美元的行业。他们刚刚完成了 1610 万美元的 A 轮融资，由 GFT Ventures 和阿什顿·库彻的 Sound Ventures 领投，这不仅仅是一笔投资，更是对企业洞察未来方向的一次重大押注。
NVIDIA和AMD，终于有对手了？ 一家名不见经传的芯片初创公司——Bolt Graphics，在最新发布的测试中抛出惊人数据： 其首款GPU模组Zeus 4C，在路径追踪（Path Tracing）场景中，性能飙至RTX 5090的13倍。
声音理解能力新SOTA，小米全量开源了模型。 MiDashengLM-7B，基于Xiaomi Dasheng作为音频编码器和Qwen2.5-Omni-7B Thinker作为自回归解码器，通过创新的通用音频描述训练策略，实现了对语音、环境声音和音乐的统一理解。
在数据隐私日益重要的 AI 时代，如何在保护用户数据的同时高效运行机器学习模型，成为了学术界和工业界共同关注的难题。
当前环境感知通信正逐步成为第六代移动通信系统（6G）的核心使能技术之一。为支撑其在复杂三维环境下的部署需求，西安电子科技大学、香港中文大学（深圳）和加拿大滑铁卢大学的研究团队联合提出了一个面向6G的高分辨率多模态三维无线电图谱数据集UrbanRadio3D，并构建了基于扩散模型的三维无线电图生成框架RadioDiff-3D。
最近在看中国出海的 AI 应用，看到一篇风投公司 A16Z 发布的报告，觉得很有意思，梳理一下分享给大家。结尾点击阅读全文可以跳转到原文。
