L'IA décrypte un « parchemin antique » vieux de 2000 ans et fait la une de Nature

Journal AI : L'application Yuanbao de Tencent est mise à jour avec une recherche par phrase pour les images et vidéos ; le programme MCP de paiement WeChat est lancé ; Google lance Veo 3 à l'échelle mondiale

Bienvenue dans le programme « Journal AI » ! C'est votre guide quotidien pour explorer le monde de l'intelligence artificielle. Chaque jour, nous vous présentons les actualités du domaine de l'IA, en mettant l'accent sur les développeurs, afin de vous aider à comprendre les tendances technologiques et les applications innovantes des produits d'intelligence artificielle. Découvrez les derniers produits IA : https://top.aibase.com/1. Yuanbao de Tencent mise à jour : avec une seule phrase, retrouvez images et vidéos instantanément, ce qui facilite davantage l'accès aux informations ! La fonctionnalité mise à jour de Yuanbao de Tencent permet un accès plus visuel et efficace aux informations. Il suffit d'une simple question pour obtenir des textes et des images.

WeChat Yuanbao se modernise à nouveau : une seule phrase de recherche, images et vidéos s'affichent immédiatement, une récupération d'informations plus intuitive !

L'assistant intelligent Yuanbao a annoncé aujourd'hui une mise à niveau majeure de sa fonction de recherche principale, introduisant une nouvelle caractéristique intitulée « Une seule phrase peut rechercher davantage ». À présent, les utilisateurs n'ont qu'à poser une simple question, et Yuanbao pourra correspondre intelligemment et afficher le contenu des images et des comptes vidéo, rendant la récupération d'informations plus riche et plus directe que jamais. Auparavant, Yuanbao pouvait déjà facilement répondre aux besoins quotidiens tels que la météo, les cours boursiers ou la recherche d'emplacements. Cette mise à niveau représente un nouveau niveau pour la capacité de recherche intelligente de Yuanbao. Que vous souhaitiez apprendre une nouvelle compétence ou résoudre un petit problème de la vie quotidienne, Yuanbao pourra intégrer les textes pour vous aider.

Le fondateur de BrainCo, Peng Lei, prédit cinq tendances révolutionnaires pour les interfaces cerveau-machine au cours des cinq prochaines années

Lors de la onzième réunion d'innovation du Forum des entrepreneurs chinois d'Yabuli 2025, le fondateur et président de BrainCo, Peng Lei, a approfondi l'évolution future de la technologie des interfaces cerveau-machine (BCI) et a présenté cinq nouvelles tendances dans ce domaine pour les cinq prochaines années. Ces tendances pourraient complètement changer le mode de vie humain et la configuration technologique. 1. Intégration des interfaces cerveau-machine et de la moelle épinière : l'espoir des patients paraplégiques Peng Lei a souligné que l'intégration des interfaces cerveau-machine et de la moelle épinière sera une tendance importante à l'avenir. Étant donné que le cerveau et la moelle épinière sont étroitement connectés, les lésions de la moelle épinière des patients atteints de paralysie haute empêchent la transmission des signaux nerveux. À l'avenir,

DeepMind lance Crome : améliorer l'alignement des grands modèles linguistiques sur les retours humains

Dans le domaine de l'intelligence artificielle, les modèles de récompense constituent une composante essentielle pour aligner les grands modèles linguistiques (LLMs) sur les retours humains, mais les modèles existants rencontrent un problème appelé « hacking de récompense ». Ces modèles se concentrent souvent sur des caractéristiques superficielles, telles que la longueur ou la mise en forme des réponses, plutôt que d'identifier des indicateurs de qualité réels, tels que la précision factuelle ou la pertinence. La cause principale réside dans le fait que les objectifs de formation standards ne parviennent pas à distinguer les associations erronées présentes dans les données d'entraînement des facteurs causaux réels. Cette échec entraîne des modèles de récompense fragiles (RMs), ce qui conduit à des stratégies mal alignées.

MiniMax lance le premier modèle d'IA à grande échelle open source au monde, une percée technologique suscitant l'attention du secteur

La société de conception de puces Ambiq Micro demande un IPO aux États-Unis, bénéficiant de la demande du marché soutenue par l'IA générative

WHEE lance une fonction de retouche photo par une seule phrase

Récemment, WHEE a lancé une fonction intitulée « retouche photo par une seule phrase », permettant aux utilisateurs d'éviter les opérations complexes sur l'écran. Il suffit d'une simple phrase pour obtenir facilement l'effet souhaité, découvrant ainsi la commodité apportée par la magie de l'IA. Cette fonction de retouche photo par une seule phrase est très puissante et variée. En ce qui concerne le changement de style, elle répond à divers besoins des utilisateurs. Que l'utilisateur souhaite créer un style futuriste cool, un style rétro et artistique, ou encore un style doux et frais, il suffit de lui dire en une phrase, et WHEE générera immédiatement l'effet correspondant, permettant à l'utilisateur de basculer librement sans limite dans la retouche photo.

Le classement mondial des experts en IA en 2025 : l'émergence des experts chinois et des nouvelles forces

Perplexity lance un plan d'abonnement Max : 200 dollars par mois pour accéder à une productivité illimitée en intelligence artificielle

Découverte de la compatibilité de l'apprentissage par renforcement des LLM : l'Université de Shanghai Jiao Tong révèle les différences entre Llama et Qwen, et présente OctoThinker

Les grands modèles linguistiques (LLM) ont obtenu des progrès significatifs dans les tâches de raisonnement complexes en combinant les instructions de tâche et l'apprentissage par renforcement à grande échelle (RL), comme le modèle Deepseek-R1-Zero qui applique directement l'apprentissage par renforcement au modèle de base, montrant une grande capacité de raisonnement. Cependant, ce succès est difficile à reproduire dans différentes séries de modèles de base, notamment dans la série Llama. Cela soulève une question centrale : quels facteurs entraînent une incohérence dans les performances des modèles de base lors de l'apprentissage par renforcement ? L'apprentissage par renforcement dans