鸿蒙开发者社区

公众号矩阵

移动端

视频课免费课排行榜短视频直播课软考学堂

全部课程软考信创认证华为认证厂商认证 IT技术 PMP项目管理免费题库

文章资源问答课堂专栏直播

51CTO

鸿蒙开发者社区

51CTO技术栈

51CTO官微

51CTO学堂

51CTO博客

CTO训练营

鸿蒙开发者社区订阅号

51CTO软考

51CTO学堂APP

51CTO学堂企业版APP

鸿蒙开发者社区视频号

51CTO软考题库

账号设置退出

新闻

2.8w内容

关注

汇聚51CTO网站的各领域新鲜资讯，包括开发、移动开发、系统、网络、安全、数据库、大数据、人工智能、区块链、云计算、物联网、数字化转型、服务器、存储、商务办公、运维、开源、智能汽车等细分领域。

共 2.8w 条

CVPR2025｜MCA-Ctrl：多方协同注意力控制助力AIGC时代图像精准定制化

该文章提出了一种无需训练的图像定制化生成方法 ——MCA-Ctrl。

2025-05-12 14:16:52

图像生成 AI 模型

CVPR 2025 Highlight | 清华提出一键式视频扩散模型VideoScene，从视频到 3D 的桥梁，一步到位！

VideoScene是一种新颖的快速视频生成框架，它通过提炼视频扩散模型，一步生成 3D 场景。

2025-05-12 09:31:44

ICLR2025 | 同济提出无需训练的肖像动画框架FaceShot，让表情包、动漫人物、玩具等“开口说话”

论文介绍的FaceShot是一种无需训练的新型肖像动画框架，旨在无需微调或再训练即可让任何驱动视频中的任何角色栩栩如生。

2025-05-12 09:28:00

模型训练生成

17000 字 Claude 系统提示启示：Karpathy 揭秘 LLM 学习缺失“第三范式”

Andrej Karpathy提出一个观点：我们当前的LLM学习范式中，至少缺失了一个重要环节。

2025-05-12 09:13:00

转身世界就变样？WorldMem用记忆让AI生成的世界拥有了一致性

近年来，视频生成模型（如 WAN 2.1 [9]、Hunyuan [10] 等）展现出惊人的世界生成与仿真能力，验证了其在理解与生成复杂环境中的潜力。

2025-05-12 09:10:00

视频生成模型

AI逼疯七巨头，马斯克们深陷中年危机！

人工智能来势汹汹，科技巨头们却陷入空前的「AI焦虑」。从谷歌的搜索危机到苹果的AI滞后，再到马斯克的特斯拉销量滑坡，昔日霸主们正面临颠覆性挑战。谁会成为AI时代的「诺基亚」？

2025-05-12 09:06:00

AI 模型马斯克

Copilot上大分，仅数天，陶哲轩的估计验证工具卷到2.0！刚刚又发数学形式化证明视频

在大模型的协助下编写了一个概念验证软件工具，来验证涉及任意正参数的给定估计是否成立（在常数因子范围内）。

2025-05-12 09:05:00

AI 大模型开源

谷歌发76页智能体白皮书！你的「AI替身」已上线

谷歌最新发布的76页AI智能体白皮书，深入剖析了智能体的应用前景。智能体通过感知环境、调用工具和自主规划，能够完成复杂任务并做出高级决策。从智能体运维（AgentOps）到多智能体协作，这份白皮书为AI智能体指明了方向。

2025-05-12 09:04:00

谷歌智能体白皮书

九年实现爱因斯坦级AGI？OpenAI科学家Dan Roberts谈强化学习扩展的未来

Dan Roberts 介绍了预训练和强化学习的 Scaling Law，并预测强化学习将在未来的 AI 模型构建中发挥越来越大的作用，而随着强化学习继续扩展，我们最终将造出有能力发现新科学的模型。

2025-05-12 09:02:00

AI 模型强化学习

机器人的「物理图灵测试」，英伟达Jim Fan 17分钟演讲揭秘具身Scaling Law

Jim Fan 以及英伟达正在朝着让机器人和 AI 通过这个物理图灵测试而努力。在文本中，我们梳理了 Jim Fan 的主要演讲内容，另外还在文末发起了一个投票，看你觉得物理图灵测试会在什么时候被攻克？

2025-05-12 09:02:00

机器人 AI 测试

字节Seed首次开源代码模型，拿下同规模多个SOTA，提出用小模型管理数据范式

ModelScope团队提出可同时完成图像理解、生成和编辑的统一模型Nexus-Gen，在图像质量和编辑能力上达GPT-4o同等水平，并将成果全方位开源，望引发开发者讨论，促进All-to-All模型领域发展。

2025-05-12 09:00:00

模型 AI 开发者

突发！OpenAI正与微软洽谈新融资，筹备IPO

据多位了解谈判情况的人士透露，双方还在修订一份更广泛的合同条款。这份合同是微软在2019年首次向OpenAI投资10亿美元时起草的。

2025-05-12 08:59:26

OpenAI 微软 AI

开源全能图像模型媲美GPT-4o！理解生成编辑同时搞定，解决扩散模型误差累计问题

在模型融合训练、图像Token数量提升、ScaleUp数据集和模型大小等等方面，Nexus-Gen依然存在着大量的优化潜力，目前ModelScope团队在这些不同方向，还在进行更深入的探索。

2025-05-12 08:50:00

模型训练数据

一个「always」站在大模型技术C位的传奇男子

语言模型将以各种方式越来越多地融入我们的生活，并且将在全球算力中占主导地位。

2025-05-12 08:40:00

模型 AI 算力

Qwen上新AI前端工程师！一句话搞定HTML/CSS/JS，新手秒变React大神

三大件HTML，CSS，JavaScript一个工具全包了，定睛一看用的还是React框架。

2025-05-12 08:35:00

AI 前端工具

SIGGRAPH 2025 | 快手可灵团队提出3D感知的可控电影级视频生成工作CineMaster！

近期，可灵研究团队在「3D 感知可控视频生成」领域做出了首次尝试，推出了电影级文本到视频生成框架 CineMaster。

2025-05-12 08:25:00

3D 视频生成

万径归于「概率」，华人学者颠覆认知！英伟达大牛力荐RL微调新作

华人学者参与的一项研究，重新确立了强化学习在LLM微调的价值，深度解释了AI训练「两阶段强化学习」的原因。某种意义上，他们的论文说明RL微调就是统计。

2025-05-12 08:24:01

完全开源！全新多合一AI智能体框架来了：无缝支持多种工具、多种任务

当AI与工具相结合，智能体不再只是概念！Minion-agent整合多框架能力，解决碎片化问题，支持多智能体协作与工具调用，降低开发门槛，已在多个场景中展现高效能力，有望推动AI智能体创新和普及！

2025-05-12 08:19:13

AI 开源智能体

字体控狂喜！Liblib AI 黑科技 RepText：无需理解文字，AI就能 1:1 复刻多国语言视觉效果

论文从一个朴素的假设出发，即文本理解只是文本渲染的充分条件，而非必要条件。

2025-05-09 09:12:00

AI 语言模型视觉

欧洲黑马Mistral Medium 3来了！跑分对标最强Claude，实测大翻车

法国初创Mistral，刚刚推出定价碾压DeepSeek V3的模型，而模型性能，却超过Claude Sonnet 3.7的90%。不过在网友们的实测中，它却翻车了？有人建议：不必下载浪费流量和硬盘空间。

2025-05-09 09:02:00

模型 AI 数据

全球首个，最接近原版DeepSeek开源复现来了！R1四个月狂飙26倍

近日，来自SGLang、英伟达等机构的联合团队发了一篇万字技术报告：短短4个月，他们就让DeepSeek-R1在H100上的性能提升了26倍，吞吐量已非常接近DeepSeek官博数据！

2025-05-09 08:55:00

英伟达数据开源

仅看视频就能copy人类动作，宇树G1分分钟掌握100+，UC伯克利提出机器人训练新方式

UC伯克利团队研发出了一套新的机器人训练系统，可将视频动作迁移到真实机器人。

2025-05-09 08:50:00

机器人训练 AI

谷歌Gemini火力全开！实测：原生图像生成新升级确实强

谷歌最近真是火力全开啊！与之前的实验版本相比（Gemini 2.0 Flash Experimental），这一次主打图像质量更好、文本渲染更准确，生成速度更快。

2025-05-09 08:45:00

谷歌模型 AI

突破多模态奖励瓶颈！中科院清华快手联合提出R1-Reward，用强化学习赋予模型长期推理能力

来自中科院自动化所、清华大学、快手和南京大学的研究团队，在探索如何利用强化学习来稳定、有效地提升多模态奖励模型的长时推理能力方面，取得了新进展。

2025-05-09 08:40:00

强化学习 AI 模型

OpenAI神秘项目曝光：cderGPT，用AI加速药物评估

Wired发布的消息来看，OpenAI的高层为了这个项目，已经与美国食品药品监督管理局（FDA）和马斯克的效率部门进行了多次讨论。

2025-05-09 08:35:00

AI 模型 OpenAI

超过谷歌搜索，成本猛降80%！阿里开源创新大模型搜索引擎

ZeroSearch是一种无需与真实搜索引擎交互即可激励大模型搜索能力的强化学习框架。

2025-05-09 08:31:11

开源搜索引擎模型

AI视频的DeepSeek时刻！开源13B模型生成提速30倍，5090跑出好莱坞特效

最新开源模型LTXV-13B，免费可商用、推理速度快、游戏显卡就能跑，视觉效果也不错。要素都齐了，想不火都难。

2025-05-09 08:30:00

开源模型 AI

OpenAI重磅官宣：帮全球各国造星际之门！奥特曼亲临现场晒照

OpenAI重磅推出「OpenAI for Countries」项目，作为「星际之门」计划的重要举措，旨在帮助全球各国建设AI数据中心、定制本地化ChatGPT，并推动经济增长与技术创新。奥特曼赶赴项目现场实地考察。

2025-05-09 08:26:00

OpenAI 数据中心奥特曼

ICML 2025 | 清华、上海AI Lab等提出傅里叶位置编码，多项任务远超RoPE

到底是什么限制了 RoPE 的周期延拓，进而限制了 LM 的长度外推呢？

2025-05-09 08:19:00

模型 AI 数据

刚刚，ChatGPT的深度研究可以连接GitHub了！网友：这是真·RAG

深度研究（Deep Research）功能，现在可以直接连接到GitHub了！

2025-05-09 08:18:51

AI 模型数据

开源即屠榜！UniME多模态框架登顶MMEB全球训练榜，刷新多项SOTA纪录

格灵深瞳、阿里ModelScope团队，以及通义实验室机器智能团队联合发布通用多模态嵌入新框架UniME，一经推出就刷新MMEB训练榜纪录。

2025-05-08 09:31:50

模型训练 AI

王炸！微软AI Agent支持A2A、MCP协议，智能体黄金时代降临

现阶段的智能体相当于战国时代，每家的技术、数据格式、开发方法都不一样。而A2A+MCP可以像秦始皇那样改写这一局面，统一货币、度量衡推动智能体从分散走向融合，极大提升开发、自动化效率。

2025-05-08 09:20:15

微软智能体 AI

突发！特朗普准备取消AI芯片出口限制

据知情人士透露，这项撤销决定尚未最终确定，旨在重塑拜登执政期间推出的一项政策，该政策将国家分为三大类，以监管英伟达等公司AI芯片的出口。

2025-05-08 09:17:51

英伟达芯片 AI

万字长文带你读懂强化学习，去中心化强化学习又能否实现？

本文的目标是探索基于 RL 的模型改进的含义，并会特别关注 RL 过程是否适合去中心化。

2025-05-08 09:16:00

模型强化学习训练

ICML 2025 | 视频生成模型无损加速两倍，秘诀竟然是「抓住attention的时空稀疏性」

随着视频扩散模型的复杂度进一步上升，如何在不损失视觉质量的前提下提升效率，将是核心问题之一。SVG 的工作展示了一条重要方向：结构理解 + 自适应稀疏性可能成为视频生成推理优化的黄金组合。

2025-05-08 09:14:54

模型推理 AI

北大、清华、UvA、CMU等联合发布：大模型逻辑推理能力最新综述

本综述系统梳理了大语言模型逻辑推理能力的研究现状。尽管在很多自然语言任务中取得了显著进展，但大语言模型的逻辑推理能力仍面临重大挑战，尤其在逻辑问答和逻辑一致性两个方面。

2025-05-08 09:10:30

自然语言模型 AI

挑战AI数学推理极限！大规模形式化数学基准FormalMATH发布，最强模型成功率仅16%

尽管大语言模型（LLM）在自然语言处理和代码生成等领域取得显著进展，但面对需要严格逻辑推导的数学定理证明任务时，其能力仍面临严峻挑战。

2025-05-08 09:05:37

AI 推理模型

51CTO技术栈诚邀特约作者加入啦！原创精选

我们诚邀您成为51CTO技术栈特约作者，与我们一起传播技术，赋能IT人成长。

2025-05-08 09:00:00

字节开源图像编辑黑科技！1/30参数1/13数据，性能提升9.19%

这一方法旨在解决现有图像编辑模型中监督信号有噪声的问题，通过构建更有效的编辑指令提升编辑效果。

2025-05-08 08:57:59

开源模型生成

一个LoRA实现GPT-4o级图像编辑！浙大哈佛新模型冲上Hugging Face榜二

随着Gemini、GPT-4o等商业大模型把基于文本的图像编辑这一任务再次推向高峰，获取更高质量的编辑数据用于训练、以及训练更大参数量的模型似乎成了提高图像编辑性能的唯一出路。

2025-05-07 13:51:49

ICML 2025 Spotlight｜华为诺亚提出端侧大模型新架构MoLE，内存搬运代价降低1000倍

本文提出了 MoLE，一种面向端侧部署优化的新型 MoE 架构。通过将专家输入改为浅层的 embedding token，并采用查找表替代传统的矩阵运算，MoLE 有效解决了传统 MoE 在推理阶段面临的显存开销大、传输延迟高的问题。实验结果表明，MoLE 在保持与 MoE 相当性能的同时，大幅降低了推理延迟，尤其在批量解码场景中展现出显著优势。

2025-05-07 13:49:19

模型 AI 架构

机器人界「Sora」来了！清华、星动纪元开源首个AIGC机器人大模型，入选ICML2025 Spotlight

无独有偶，AIGC 生成式技术同样在具身智能机器人大模型上带来了惊人的表现。

2025-05-07 13:48:48

AIGC 生成机器人

OTC‑PO重磅发布 | 揭开 o3 神秘面纱，让 Agent 少用工具、多动脑子！

在本研究中，我们引入了最佳工具调用控制策略优化（OTC-PO），这是一个简单而有效的强化学习框架，它明确鼓励语言模型通过最佳工具调用生成正确答案。

2025-05-07 13:47:43

强化学习 AI 智能体

搞不懂CUDA的人有救了，Devin开发商开源Kevin，强化学习生成CUDA内核

Kevin-32B 基于 QwQ-32B 在 KernelBench 数据集上使用 GRPO 进行了多轮强化学习训练，实现了超越 o3 和 o4-mini 的顶级推理表现。

2025-05-07 13:46:34

AI 模型数据

公开模型一切，优于DeepSeek-R1，英伟达开源Llama-Nemotron家族

英伟达推出了 Llama-Nemotron 系列模型（基于 Meta AI 的 Llama 模型构建）—— 一个面向高效推理的大模型开放家族，具备卓越的推理能力、推理效率，并采用对企业友好的开放许可方式。

2025-05-07 10:12:52

英伟达模型 AI

英伟达提出最强「描述一切」模型 (DAM)，可生成图像或视频特定区域的详细描述，拿下7个基准SOTA！

“描述任何内容”模型 (DAM)能够为图像和视频中的特定区域生成详细的描述，可用于各种应用，从数据标注到作为下游任务的中间组件。

2025-05-07 10:10:36

模型生成 AI

南洋理工 & 牛津 & 新加坡理工提出Amodal3R，可从遮挡 2D 图像重建完整 3D 资产，3D生成也卷起来了！

Amodal3R 是一种从部分可见的 2D 图像重建完整 3D 形状和外观的新方法。

2025-05-07 10:09:49

3D 模型生成

豪掷30亿美元，OpenAI史上最大收购案！

OpenAI天价收购案即将完成。爆料称，OpenAI将出资30亿美元吞并AI编程工具Windsurf，成为其迄今为止最大规模的收购。

2025-05-07 10:09:28

OpenAI 模型 AI

刚刚，Gemini 2.5 Pro升级，成编程模型新王

刚刚，Google DeepMind 发布了 Gemini 2.5 Pro 的最新更新版本：Gemini 2.5 Pro (I/O edition)。

2025-05-07 10:01:35

Gemini 编程模型

微软正式开源UFO²，Windows桌面迈入「AgentOS 时代」

UFO² 的发布不仅标志着桌面智能体真正迈入了系统级的「AgentOS 时代」，也为未来智能办公、智能人机交互的发展树立了重要里程碑。

2025-05-07 09:16:00

微软开源系统

上一页 1 ··· 24 25 26 27 28 ··· 562 下一页

51CTO技术栈公众号

业务
速览

媒体

51CTO CIOAge HC3i

社区

51CTO博客鸿蒙开发者社区 AI.x社区

教育

51CTO学堂精培企业培训 CTO训练营