亚洲无线码一区国产欧美国日产,臭小子姨妈腰快断了,边做饭边被躁

頭條

Perplexity Labs

https://links.tldrnewsletter.com/sUYtq0

Perplexity推出了Perplexity Labs，讓專業(yè)用戶借助網(wǎng)頁瀏覽和代碼執(zhí)行等工具生成報告、電子表格、儀表盤和簡單應用程序，從而將想法付諸實踐。

用于上下文圖像生成的FLUX.1 KONTEXT

https://bfl.ai/announcements/flux-1-kontext

黑森林實驗室發(fā)布了FLUX.1 Kontext，這是一套基于文本和圖像的上下文圖像編輯與生成的流匹配模型。

Anthropic開源用于人工智能可解釋性的電路追蹤工具

https://www.anthropic.com/research/open-source-circuit-tracing

這些工具能生成“歸因圖”，用于追蹤大語言模型在內(nèi)部如何做決策，揭示輸出背后的逐步推理過程。該庫可與流行的開源模型配合使用，還包含一個交互式的Neuronpedia前端，用于探索模型回路。

深度分析

全球第二的人工智能實驗室與無可爭議的重量級冠軍

https://threadreaderapp.com/thread/1928071179115581671.html

DeepSeek R1 0528在人工分析智能指數(shù)中從60提升到了68。這使得該模型的智能程度高于xAI的Grok 3 mini、英偉達的Llama Nemotron Ultra、Meta的Llama 4 Maverick和阿里巴巴的通義千問3 253，與谷歌的Gemini 2.5 Pro相當。該模型在架構沒有任何變化的情況下，相比前幾代全面提升了智能水平。如今，開源模型和閉源模型之間的差距比以往任何時候都小。

前OpenAI安全研究員解讀人工智能推理變革

https://lilianweng.github.io/posts/2025-05-01-thinking/

莉蓮·翁發(fā)表了一項全面的技術調查，將測試時的計算與人類心理學聯(lián)系起來，借鑒卡尼曼的“快思考與慢思考”來解釋為什么模型在回答前有額外計算步驟時表現(xiàn)更好。該綜述涵蓋了思維鏈背后的科學、驅動o1和R1的強化學習方法，以及獎勵破解帶來的對齊風險。

工程

聊天機器人文本轉語音（GitHub 倉庫）

https://github.com/resemble-ai/chatterbox

Resemble AI發(fā)布了一款開源TTS模型，在基準測試中表現(xiàn)超過ElevenLabs，還具備情感夸張控制功能。

使用Renderformer實現(xiàn)全局光照（GitHub倉庫）

https://microsoft.github.io/renderformer/

RenderFormer是一種神經(jīng)渲染器，能基于三角形的場景表示，在具備完整全局光照的情況下，直接生成逼真的圖像。它無需針對任何場景進行訓練或微調。

網(wǎng)絡評測——對比人工智能瀏覽器代理的新方法

https://blog.skyvern.com/web-bench-a-new-way-to-compare-ai-browser-agents/

Web Bench是用于評估網(wǎng)頁瀏覽代理的新數(shù)據(jù)集。它包含452個不同網(wǎng)站上的5750項任務。根據(jù)Web Bench，Anthropic Sonnet 3.7 CUA目前處于領先水平。

更便宜的VLM訓練（GitHub代碼庫）

https://github.com/facebookresearch/zero

Meta的研究人員推出了一種名為零樣本嫁接的方法，該方法用一個源自大型大語言模型（LLM）淺層的較小替代模型來訓練視覺編碼器。這能將視覺語言模型（VLM）的訓練成本降低約45%，同時在遷移到完整大語言模型（LLM）時，性能保持不變甚至有所提升。

其他

我最近明白了一點，就是把人工智能研究視為一個“最高性能領域” 。

https://threadreaderapp.com/thread/1928174505148698909.html

“極致表現(xiàn)領域”指的是這樣一些行業(yè)：人們只要在工作的某一方面表現(xiàn)出色，就能成為世界級人才。就算你在相關技能方面不怎么樣也沒關系，只要能產(chǎn)生重大影響就行。在某一方面的卓越能力，比在工作其他方面的不足更重要。在極致表現(xiàn)領域工作是一種奢侈，因為這里允許失敗，壓力通常也是自己給自己的。

人工智能需求增長1000倍

https://tomtunguz.com/nvda-2025-05-29/

英偉達報告稱，從簡單人工智能向更復雜推理轉變，實現(xiàn)顯著增長，推動人工智能需求大幅提升。超大規(guī)模數(shù)據(jù)中心每周部署近7.2萬塊GPU，僅微軟的令牌生成量就增長了五倍。盡管人們努力縮小模型規(guī)模，但需求增加仍需要更多被稱為“人工智能工廠”的數(shù)據(jù)中心。