搜索
你有没有想过，我们每天用的 AI 大模型，可能在某些词汇上天生就有缺陷？不是因为训练数据不够，不是因为算力不足，而是因为语言本身的规律——那些用得少的词，模型就是学不好。更让人意外的是，这个问题早在 2025 年就被一家中国创业公司系统性地发现并解决了。
真正的医疗 AI 需要架构重塑。
过去十年，大模型世界里很多最关键的技术路线背后，都能看到Andrew Dai的身影。从早期预训练与监督微调，到后来主流的MoE（Mixture of Experts）架构；从Google Brain最初只有几十人的研究时代，到后来支撑Gemini的大规模数据体系，这位在 Google 工作超过14年的研究科学家，几乎站在了大模型时代每一次关键转折的现场。
智能体时代，如何让视觉分割更准确？
就在今天，教皇的首份AI通谕震撼发布，42300字宣言《壮丽人性》引人深思！Anthropic联创也绝望向教皇求助：大模型已经演化出恐惧与悲伤，人类实验室已经无法自我修正。
众所周知，大模型训练成本极高。
过去几年，大模型竞争主要发生在 AI 公司之间。但随着 AI 开始从数字世界进入真实设备与物理世界，竞争逻辑正在发生变化。
当你把一段长达9分钟、在“晴空万里”与“冰天雪地”间剧烈切换的冰岛旅行Vlog输入给大模型，并要求它做一份旅行攻略时，常规的视觉大模型通常只能给出一份基于字幕和画面标签拼凑的“流水账”。
过往几个月，我们通过 MiMo Orbit、百万亿 Token 创造者激励计划等活动，让更多人有机会体验 MiMo ，并解决真实的问题——这是 MiMo 在规模化应用道路上的第一步。 而现在，随着底层
你的电脑里，或许很快会住进一只会聊天的「小怪兽」。