AI资讯新闻榜单内容搜索-不

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
搜索: 不
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

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。

来自主题: AI资讯
7207 点击    2025-11-20 14:52
OpenAI深夜双王炸!GPT-5.1 Pro紧急发布,降维打击Gemini 3

OpenAI深夜双王炸!GPT-5.1 Pro紧急发布,降维打击Gemini 3

OpenAI深夜双王炸!GPT-5.1 Pro紧急发布,降维打击Gemini 3

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。

来自主题: AI资讯
10025 点击    2025-11-20 11:40
对话申哲先:领英很低效,我想用 AI 做一个全新的职场社交平台

对话申哲先:领英很低效,我想用 AI 做一个全新的职场社交平台

对话申哲先:领英很低效,我想用 AI 做一个全新的职场社交平台

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。

来自主题: AI资讯
9630 点击    2025-11-20 10:56
对话斑马口语:如何用 AI Agent 造出「超人类外教」?

对话斑马口语:如何用 AI Agent 造出「超人类外教」?

对话斑马口语:如何用 AI Agent 造出「超人类外教」?

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。

来自主题: AI资讯
11596 点击    2025-11-20 09:36
NeurIPS 2025 Spotlight | 香港大学提出无需数据标记的ViT密集表征增强方法

NeurIPS 2025 Spotlight | 香港大学提出无需数据标记的ViT密集表征增强方法

NeurIPS 2025 Spotlight | 香港大学提出无需数据标记的ViT密集表征增强方法

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?

来自主题: AI技术研报
8619 点击    2025-11-20 09:33
终于不用为GPU算力发愁了,10块钱训练一个GPT!

终于不用为GPU算力发愁了,10块钱训练一个GPT!

终于不用为GPU算力发愁了,10块钱训练一个GPT!

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 。

来自主题: AI技术研报
9322 点击    2025-11-19 17:14
何恺明重磅新作:Just image Transformers让去噪模型回归基本功

何恺明重磅新作:Just image Transformers让去噪模型回归基本功

何恺明重磅新作:Just image Transformers让去噪模型回归基本功

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。

来自主题: AI技术研报
7837 点击    2025-11-19 16:42
登顶开源SOTA!上交大&小红书LoopTool实现工具调用任务的「数据进化」

登顶开源SOTA!上交大&小红书LoopTool实现工具调用任务的「数据进化」

登顶开源SOTA!上交大&小红书LoopTool实现工具调用任务的「数据进化」

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。

来自主题: AI技术研报
11746 点击    2025-11-19 16:40
NeurIPS 2025 | 上下文元学习实现不微调跨被试脑活动预测

NeurIPS 2025 | 上下文元学习实现不微调跨被试脑活动预测

NeurIPS 2025 | 上下文元学习实现不微调跨被试脑活动预测

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。

来自主题: AI技术研报
10992 点击    2025-11-19 15:21