在AI音乐创作工具日益涌现的当下，近期，一款叫作Mozart AI的应用闯进土耳其iOS音乐榜前十，引发了笔者的关注。它以“图生乐”这一模式切入AI音乐赛道，在过去一年的实现了400万下载量，并创造出超过170万美元的年收入（iOS与Google Play合计）。
最近，社交媒体平台 YouTube 上涌现出一批以 Sean “Diddy” Combs 审判为题材的假视频，这些视频利用 AI 生成的图像和声音，伴随虚假信息，吸引了数千万的观看量。
涌现（Emergence），是生成式AI浪潮的一个关键现象：当模型规模扩大至临界点，AI会展现出人类一般的智慧，能理解、学习甚至创造。
CVPR 2025，自动驾驶传来重大进展： Scaling Law，首次在这条赛道被验证！
自Agent火了以后，有关"记忆"的框架如雨后春笋般涌现，但绝大多数仍是为"单兵作战"设计，难以适应需要复杂协作、信息交互量暴增10倍的多智能体系统（MAS）
测试时扩展（Test-Time Scaling）极大提升了大语言模型的性能，涌现出了如 OpenAI o 系列模型和 DeepSeek R1 等众多爆款。那么，什么是视觉领域的 test-time scaling？又该如何定义？
《智能涌现》从多名独立信源处得知，大模型“六小虎”之一的阶跃星辰，C端AI应用布局，近半年来出现了以下调整：2024年12月，角色扮演类Agent产品“冒泡鸭”停止大范围投入，团队合并至对话产品“跃问”（现更名为“阶跃AI”），目前仅留部分员工运维。
在过去的一周，这一方向的进展尤其丰富。有人发现，几篇关于「让 LLM（或智能体）学会自我训练」的论文在 arXiv 上集中出现，其中甚至包括受「哥德尔机」构想启发而提出的「达尔文哥德尔机」。或许，AI 模型的自我进化能力正在加速提升。
来和机器狗一起运动不？你的羽毛球搭子来了！无需人工协助，仅靠强化学习，机器狗子就学会了羽毛球哐哐对打。基于强化学习，研究人员开发了机器狗的全身视觉运动控制策略，同步控制腿部（18个自由度）移动，和手臂挥拍动作。
复刻DeepSeek-R1的长思维链推理，大模型强化学习新范式RLIF成热门话题。
