首页
快讯
模型与研究
工具与产品
开发实战
评测
行业应用
关于孤本网
登录
菜单
首页
快讯
模型与研究
工具与产品
开发实战
评测
行业应用
关于孤本网
孤本网 科技资讯
聚焦人工智能模型、AI 工具、智能应用与开发实战,提供经核验的发布动态、产品评测、教程与行业观察。
归档
2026 年 09 月
希腊总理米佐塔基斯:AI就业流失无法逆转,希腊正以超级计算机与低税率争夺全球AI算力红利
2026-09-23
快讯
#算力芯片
#人工智能
一句话结论 希腊总理米佐塔基斯坦言AI就业流失不可避免,希腊正通过投资超级计算机、放宽劳工法及争取数据中心落地,试图将AI浪潮转化为经济复苏红利。 关键要点 希腊总理米佐塔基斯(Kiriakos Mitsotakis)警告,AI导致的就业流失“将会发生”,且没有政府或社会对这一过程的速度做好准备。
SpeakON 推出自带麦克风的 MagSafe AI 语音按钮
2026-09-23
评测
#人工智能
一句话结论 SpeakON 推出自带麦克风的 MagSafe AI 语音按钮,可将语音直接转化为格式化文本写入应用。 关键要点 SpeakON 是一款重 25 克、厚 6 毫米的磁吸式硬件设备,专为 iPhone 12 及以上机型设计。 设备内置 220 mAh 电池,支持 10 小时以上连续使用,
亮源新创发布 Light-O1 模型,将人类动作预训练规模扩展至 1200 亿 tokens 并验证迁移缩放定律
2026-09-23
模型与研究
一句话结论 亮源新创将人类动作预训练规模扩展至 1200 亿 tokens,验证了误差按幂律下降的迁移缩放定律,显著降低机器人适应新环境成本。 关键要点 亮源新创(Light Origins)于 9 月 21 日发布技术博客,提出 Light-O1 模型,其人类动作预训练规模从 37.5 亿扩展至
Jev「百亿补贴」迷局:以 1.2 亿 Token 免费调用撬动开发者的产品与数据飞轮
2026-09-23
行业应用
一句话结论 Jev 通过补贴 1.2 亿 Token 降低试用门槛,并借助 Calibration 提升输出可靠性,将免费额度转化为高价值 Agent 场景的调用增长入口。 关键要点 该策略旨在压低开发者的判断与决策成本,使用户能更低成本地测试 Jev 的实际输出效果。 免费 Token 并非单纯赠
深度拆解 MiMo-V2.6:1M 上下文只是表面,2.5 万条轨迹才是底牌
2026-09-23
行业应用
一句话结论 MiMo-V2.6 通过 2.5 万条轨迹强化学习及统一奖励机制,实现代码、视觉与安全能力的底层贯通。 关键要点 MiMo-V2.6 的核心竞争壁垒在于 2.5 万条高质量训练轨迹,而非单纯的 1M 长上下文技术指标。 该模型在代码、视觉理解和安全对齐三个领域共用了同一套强化学习(RL)
arXiv 新论文用概率论统一视角重构大语言模型(LLM)的训练、生成与幻觉分析
2026-09-23
评测
#大模型
一句话结论 arXiv 论文以概率测度框架统一描述大语言模型的训练与生成,并分析KL散度不对称性对幻觉的影响。 关键要点 论文将大语言模型定义为词元序列集合上的概率测度,其自回归条件分布决定了模型的生成行为。 模型训练被形式化为最大似然估计问题,并采用随机梯度方法求解,文本生成则被视为对该随机过程的
研究显示聊天模板显著改变大语言模型自我指涉语气且可通过激活向量复现
2026-09-23
评测
一句话结论 聊天模板会切换大语言模型(LLM)的自我指涉语气,且该效应可通过激活空间中的方向向量复现。 关键要点 在八款参数量不超过9B的流行开源指令模型中,启用聊天模板会增强“我只是个AI”式的免责声明语气,同时抑制“我感到”式体验性语气;移除模板则产生相反效果。 在三个模型中,研究者在激活空间内
Sheaf SyncMap 方法实现稳定无监督连续分块,在多项基准测试中取得最优互信息指标
2026-09-23
评测
#模型评测
一句话结论 Sheaf SyncMap 通过引入叶状正则化结构提升无监督连续分块的稳定性,在 18 个概率图测试中取得最高归一化互信息。 关键要点 研究提出径向叶状结构(radial sheaf structure),用于惩罚变量对之间距离相关的径向运动,降低去中心化同步映射(Decentraliz
量子经典混合模型结合联邦学习实现隐私保护
2026-09-23
评测
#安全
一句话结论 研究者利用SBVFL协议将量子经典混合模型应用于隐私敏感场景,在避免数据集中的同时显著提升模型精度并减少可训练参数。 关键要点 该研究于2026年9月18日提交至arXiv的cs.LG(机器学习)分类,针对隐私敏感的多方部署场景提出了结合联邦学习(Federated Learning,
熵引导生成顺序引入均匀离散流:LEDFlow 采样器在推理基准测试中取得显著优势
2026-09-23
评测
#模型评测
一句话结论 LEDFlow 通过熵引导吸收策略提升离散流模型准确性,推理成本与标准流采样相当。 关键要点 均匀离散流允许在每个生成位置重复更新,支持修正错误但会将正确中间预测暴露给后续错误。 数独实验显示 9.4% 的生成单元格在中间步骤正确但最终输出错误,揭示迭代修正的固有缺陷。 LEDFlow
上一页
1 / 271
2 / 271
3 / 271
4 / 271
5 / 271
6 / 271
7 / 271
8 / 271
9 / 271
10 / 271
11 / 271
12 / 271
13 / 271
14 / 271
15 / 271
16 / 271
17 / 271
18 / 271
19 / 271
20 / 271
21 / 271
22 / 271
23 / 271
24 / 271
25 / 271
26 / 271
27 / 271
28 / 271
29 / 271
30 / 271
31 / 271
32 / 271
33 / 271
34 / 271
35 / 271
36 / 271
37 / 271
38 / 271
39 / 271
40 / 271
41 / 271
42 / 271
43 / 271
44 / 271
45 / 271
46 / 271
47 / 271
48 / 271
49 / 271
50 / 271
51 / 271
52 / 271
53 / 271
54 / 271
55 / 271
56 / 271
57 / 271
58 / 271
59 / 271
60 / 271
61 / 271
62 / 271
63 / 271
64 / 271
65 / 271
66 / 271
67 / 271
68 / 271
69 / 271
70 / 271
71 / 271
72 / 271
73 / 271
74 / 271
75 / 271
76 / 271
77 / 271
78 / 271
79 / 271
80 / 271
81 / 271
82 / 271
83 / 271
84 / 271
85 / 271
86 / 271
87 / 271
88 / 271
89 / 271
90 / 271
91 / 271
92 / 271
93 / 271
94 / 271
95 / 271
96 / 271
97 / 271
98 / 271
99 / 271
100 / 271
101 / 271
102 / 271
103 / 271
104 / 271
105 / 271
106 / 271
107 / 271
108 / 271
109 / 271
110 / 271
111 / 271
112 / 271
113 / 271
114 / 271
115 / 271
116 / 271
117 / 271
118 / 271
119 / 271
120 / 271
121 / 271
122 / 271
123 / 271
124 / 271
125 / 271
126 / 271
127 / 271
128 / 271
129 / 271
130 / 271
131 / 271
132 / 271
133 / 271
134 / 271
135 / 271
136 / 271
137 / 271
138 / 271
139 / 271
140 / 271
141 / 271
142 / 271
143 / 271
144 / 271
145 / 271
146 / 271
147 / 271
148 / 271
149 / 271
150 / 271
151 / 271
152 / 271
153 / 271
154 / 271
155 / 271
156 / 271
157 / 271
158 / 271
159 / 271
160 / 271
161 / 271
162 / 271
163 / 271
164 / 271
165 / 271
166 / 271
167 / 271
168 / 271
169 / 271
170 / 271
171 / 271
172 / 271
173 / 271
174 / 271
175 / 271
176 / 271
177 / 271
178 / 271
179 / 271
180 / 271
181 / 271
182 / 271
183 / 271
184 / 271
185 / 271
186 / 271
187 / 271
188 / 271
189 / 271
190 / 271
191 / 271
192 / 271
193 / 271
194 / 271
195 / 271
196 / 271
197 / 271
198 / 271
199 / 271
200 / 271
201 / 271
202 / 271
203 / 271
204 / 271
205 / 271
206 / 271
207 / 271
208 / 271
209 / 271
210 / 271
211 / 271
212 / 271
213 / 271
214 / 271
215 / 271
216 / 271
217 / 271
218 / 271
219 / 271
220 / 271
221 / 271
222 / 271
223 / 271
224 / 271
225 / 271
226 / 271
227 / 271
228 / 271
229 / 271
230 / 271
231 / 271
232 / 271
233 / 271
234 / 271
235 / 271
236 / 271
237 / 271
238 / 271
239 / 271
240 / 271
241 / 271
242 / 271
243 / 271
244 / 271
245 / 271
246 / 271
247 / 271
248 / 271
249 / 271
250 / 271
251 / 271
252 / 271
253 / 271
254 / 271
255 / 271
256 / 271
257 / 271
258 / 271
259 / 271
260 / 271
261 / 271
262 / 271
263 / 271
264 / 271
265 / 271
266 / 271
267 / 271
268 / 271
269 / 271
270 / 271
271 / 271
下一页