奥特曼想要一个「AI接班人」!劈柴:这一天会来的
奥特曼想要一个「AI接班人」!劈柴:这一天会来的近日,奥特曼自曝「AI接班人」计划,他说如果OpenAI不是第一个由AI担任CEO的公司,会让他觉得很丢脸。他认为在最近几年,AI就可能胜任OpenAI主要部门的管理工作,并且最终覆盖整个企业组织流程。
搜索
近日,奥特曼自曝「AI接班人」计划,他说如果OpenAI不是第一个由AI担任CEO的公司,会让他觉得很丢脸。他认为在最近几年,AI就可能胜任OpenAI主要部门的管理工作,并且最终覆盖整个企业组织流程。
AI圈一日一更的频率,真的是有点跟不住了....前两天,先是Grok 4.1、Gemini 3 Pro发布,今天OpenAI GPT-5.1 Pro也静默登场了! 众所周知,GPT-5.1主打「情商智商」双强,Pro无疑将这两大优势推向更高层次。
对于美国的年轻人而言,networking 是一个很重要的工作。无论是获得职业指导、内推机会,还是建立自己的行业人脉,networking 都是必不可少的工作。
今年不少出圈的 AI 视频,基本都有一个共同点:套了个熟悉的 IP 壳。
真人外教会累、会忘、会不稳定,无法实现「千人千面」的颗粒度。这是 AI Agent 的机会。
在视觉处理任务中,Vision Transformers(ViTs)已发展成为主流架构。然而,近期研究表明,ViT 模型的密集特征中会出现部分与局部语义不一致的伪影(artifact),进而削弱模型在精细定位类任务中的性能表现。因此,如何在不耗费大量计算资源的前提下,保留 ViT 模型预训练核心信息并消除密集特征中的伪影?
前不久写了一期卡神做的 nanochat ,听朋友说咱们国产早就有类似的开源项目了:miniMind 。
大家都知道,图像生成和去噪扩散模型是密不可分的。高质量的图像生成都通过扩散模型实现。
在过去两年,大语言模型 (LLM) + 外部工具的能力,已成为推动 AI 从 “会说” 走向 “会做” 的关键机制 —— 尤其在 API 调用、多轮任务规划、知识检索、代码执行等场景中,大模型要想精准调用工具,不仅要求模型本身具备推理能力,还需要借助海量高质量、针对性强的函数调用训练数据。
人类高级视觉皮层在个体间存在显著的功能差异,而构建大脑编码模型(brain encoding models)—— 即能够从视觉刺激(如图像)预测人脑神经响应的计算模型 —— 是理解人类视觉系统如何表征世界的关键。传统视觉编码模型通常需要为每个新被试采集大量数据(数千张图像对应的脑活动),成本高昂且难以推广。