该大模型由海洋精准感知技术全国重点实验室(浙江大学)牵头研发，具备基础的海洋专业知识问答，以及声呐图像、海洋观测图等海洋特色多模态数据的自然语言解读能力。其采用的领域知识增强“慢思考”推理机制，相较现有通用大模型能有效降低幻觉式错误。
让AI看懂95万物种，并自己悟出生态关系与个体差异!俄亥俄州立大学研究团队在2亿生物图像数据上训练了BioCLIP 2模型。大规模的训练让BioCLIP 2取得了目前最优的物种识别性能。
今年，AI大厂采购GPU的投入又双叒疯狂加码——马斯克xAI打算把自家的10万卡超算扩增10倍，Meta也计划投资100亿建设一个130万卡规模的数据中心……GPU的数量，已经成为了互联网企业AI实力的直接代表。
今天，我们就来用AI手搓一个专属于你的“盘后AI军师”。它能帮你把复杂的数据，变成一张清清楚楚的决策看板。
时序数据分析在工业监控、医疗诊断等领域至关重要。比如航空发动机监控这个复杂工业场景中，工程师需分析海量多通道传感器数据，以判断设备状态并制定维护决策。
Agent能“看懂网页”，像人类一样上网？阿里发布WebDancer，就像它的名字一样，为“网络舞台”而生。
中东国家凭借雄厚石油财富积极投入AI领域，建设全球级数据中心，利用低电价和丰富光伏资源解决能耗问题。通过免税、居留便利等政策吸引全球创业者和资本。其地缘优势成为中美技术博弈的缓冲带，美国解除芯片限制，争抢中东市场和投资。海湾国家正转型为新兴AI中心。
无需原作者同意，AI可以用已出版书籍作训练数据了。
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，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。
