跳到正文

全部动态

今日 42 条
3月7日周六
  1. Google Research45

    Google 开源 SpeciesNet:基于 6500 万张图像训练,可识别 2498 类野生动物

    Google Research 发布开源 AI 模型 SpeciesNet,利用 6500 万张标注图像训练,能自动识别相机陷阱照片中的 2498 类动物。该模型在标准笔记本上日处理约 30,000 张图片,对含动物图像的检出率达 99.4%,物种级分类准确率为 94.5%。作为 Google Earth AI 的一部分,SpeciesNet 已支持全球多个保护项目加速野生动物监测与分析。

3月6日周五
3月5日周四
  1. OpenAI News80

    OpenAI 发布新模型

    OpenAI 正式发布了最新的大语言模型。该更新由 OpenAI News 官方渠道确认,标志着其前沿智能能力的进一步迭代。

    推荐理由:官方直接发布了新模型,读者可第一时间获取其核心能力定义与接入方式。

  2. OpenAI News63

    OpenAI 推出 ChatGPT for Excel 及新集成

    OpenAI 正式推出 ChatGPT for Excel,并宣布一系列新的应用集成。该功能旨在将 AI 助手能力直接带入 Excel 环境,帮助用户在熟悉的界面中完成数据处理与分析任务。

    推荐理由:OpenAI 官方发布 ChatGPT for Excel,将智能体能力直接嵌入电子表格工作流,为金融与数据分析场景提供新的工具入口。

  3. Hugging Face Blog68

    Hugging Face 推出 Modular Diffusers:用于构建扩散模型工作流的可组合模块

    Hugging Face 发布 Modular Diffusers,允许用户通过混合和匹配可复用的模块来构建定制化的扩散模型工作流,作为现有 DiffusionPipeline 类的灵活替代方案。该工具支持将自定义模块发布到 Hub 供他人使用,并集成了节点式可视化工作流界面 Mellon,实现了无需代码即可连接模块的功能。

    推荐理由:原文展示了通过组合可复用模块构建扩散模型工作流的新方法,并提供了与可视化界面 Mellon 的集成示例。

  4. Google Research42

    Google Research 教 LLM 进行贝叶斯推理

    Google Research 提出“贝叶斯教学”框架,通过监督微调使大语言模型模仿贝叶斯模型的最优概率更新策略。该方法显著提升了LLM在个性化推荐任务中的表现,并证明其能将学到的推理技能泛化至其他领域,克服了默认启发式算法的局限。

3月4日周三
  1. Google DeepMind73

    Google DeepMind 发布 Gemini 3.1 Flash-Lite 模型

    Google DeepMind 推出 Gemini 3.1 Flash-Lite,这是其最快且最具成本效益的 Gemini 3 系列模型,现已通过 Gemini API 和 Vertex AI 向开发者和企业开放预览。

    推荐理由:官方公布 Gemini 3.1 Flash-Lite 的定价、速度提升及基准测试数据,为高并发场景下的模型选型提供具体参考。

2月28日周六
2月27日周五
  1. OpenAI News70

    OpenAI 宣布新一轮融资,估值达千亿美元级别

    OpenAI 宣布完成新一轮融资,投前估值达到千亿美元级别。本轮融资由 OpenAI 官方发布,具体金额与条款细节未在简短公告中完全展开。

    推荐理由:OpenAI 官方披露最新估值及主要投资方,为观察头部 AI 实验室资本结构与融资动态提供直接依据。

2月26日周四
2月25日周三
2月24日周二
2月23日周一
2月20日周五
  1. Hugging Face Blog68

    Hugging Face 发布使用 Unsloth 和 Jobs 免费微调 LFM2.5-1.2B-Instruct 的指南

    Hugging Face 联合 Unsloth 推出免费额度计划,指导用户通过 Claude Code 或 Codex 等编码智能体在 Hugging Face Jobs 上微调 LiquidAI/LFM2.5-1.2B-Instruct 模型。

    推荐理由:提供了结合 Unsloth 和 Hugging Face Jobs 进行低成本微调的具体命令与 Skill 安装方法,适合希望快速上手云端训练的开发者。

  2. Google DeepMind86

    Google DeepMind 发布 Gemini 3.1 Pro 模型

    Google DeepMind 正式发布 Gemini 3.1 Pro,作为 Gemini 3 系列的核心智能升级版本。该模型在 ARC-AGI-2 基准测试中取得 77.1% 的验证分数,推理性能较前代提升超过一倍。

    推荐理由:原文披露了 Gemini 3.1 Pro 在 ARC-AGI-2 基准上的具体得分及全平台开放入口,读者可据此评估其推理能力跃升幅度与当前可用性。

2月19日周四
  1. Hugging Face Blog78

    IBM与UC Berkeley利用IT-Bench和MAST诊断企业智能体失败原因

    IBM Research与UC Berkeley合作发布研究,引入多智能体系统失败分类法(MAST)分析IT-Bench基准测试中的执行轨迹,旨在解决传统基准仅报告成功率而无法解释失败原因的“黑盒”问题。

    推荐理由:IBM与UC Berkeley联合提出MAST框架,通过细粒度失败模式分类揭示企业级智能体在IT自动化任务中的具体故障原因及修复策略。