搜索全球AI产品动态

近日，MLX-LM现已直接集成到Hugging Face平台。这一里程碑式的更新为Apple Silicon设备（包括M1、M2、M3和M4芯片）用户提供了前所未有的便利，使其能够以最高速度在本地运行超过4400种大型语言模型(LLM)，无需依赖云服务或等待模型转换。这一集成进一步推动了本地化AI开发的普及，为开发者和研究人员提供了更高效、灵活的工具。MLX-LM与Hugging Face的深度融合MLX是Apple机器学习研究团队开发的一个专为Apple Silicon优化的机器学习框架，旨在充分利用M系列芯片的神经引擎(ANE)和Metal GPU的强大性能。MLX

近日，字节跳动宣布推出其全新的数据选择框架 QuaDMix，旨在提升大型语言模型（LLM）预训练的效率和泛化能力。众所周知，模型的训练效果受基础数据集的质量和多样性影响很大。然而，传统的数据筛选方法往往将质量和多样性视为两个独立的目标，先进行质量过滤，再进行领域平衡。这种逐步优化的方式忽略了质量与多样性之间的复杂相互关系。优质数据集往往存在领域偏差，而多样化的数据集可能会降低质量。因此，在固定的训练预算下，如何同时优化这两个维度以最大化模型性能

在数字化时代，如何有效地处理文档信息已经成为了许多行业中的一个热门话题。而今，微软推出的 MarkItDown MCP（Model Context Protocol）将文档处理提升到了一个新的高度!想象一下，您只需简单几步，就能将各种格式的文件(如 PDF、Word、PowerPoint 等)轻松转换为 Markdown 格式，为您的文本分析和大型语言模型(LLM)应用提供无缝支持。更为惊艳的是，MarkItDown 不仅保持了文档的结构与内容，更能实现信息的高效传递。MarkItDown MCP 的问世，是对传统文档处理方式的一次颠覆。以其灵活的插件支持和丰富

字节跳动研究团队宣布开源 ChatTS-14B，这是一款专为时间序列数据理解和推理设计的140亿参数大型语言模型（LLM）。以 Apache2.0许可协议发布，ChatTS-14B 的开源引发了 AI 社区的广泛关注，被认为是时间序列分析与生成式 AI 结合的重大进展。ChatTS-14B:时间序列的智能对话引擎ChatTS-14B 基于 Qwen2.5-14B-Instruct 模型进行微调，专为处理时间序列数据而设计，能够理解和推理复杂的时序数据模式。不同于传统时间序列分析工具，ChatTS-14B 支持用户通过自然语言与时间序列数据交互，例如分析金融市场趋

近日，备受关注的人工智能评估平台 LMArena 宣布将成立一家新公司，名为 Arena Intelligence Inc.，以便为未来的项目改进提供更强大的资源。LMArena 的创始团队在博客中表示，新公司的成立将帮助他们在保持中立的同时，增强大型语言模型（LLM）测试平台的功能，致力于为 AI 用户提供一个不受任何企业影响的公平评估环境。LMArena 于2023年由加州大学伯克利分校的研究人员创建，迅速发展成为业内最受认可的 AI 基准测试平台之一。该平台与谷歌、OpenAI 及 Anthropic 等多家知名公司建立了合作关系，

近日，一个名为DroidRun的开源项目引发了广泛关注。该项目通过大型语言模型（LLM）实现自然语言指令控制Android手机，为用户提供了前所未有的自动化体验。从社交媒体管理到日常任务自动化，DroidRun展示了AI在移动设备交互领域的巨大潜力。据AIbase了解，DroidRun已正式开源，源代码现已推送至GitHub，为开发者与技术爱好者提供了自由探索与二次开发的机会。功能亮点:自然语言驱动手机操作DroidRun的核心在于通过自然语言指令实现Android手机的精准控制。用户只需输入简单指令，例如“打开X

谷歌近日发布了一份长达 69页 的白皮书，系统阐述了提示工程（Prompt Engineering）的核心理念与最佳实践。这份文档为开发者、研究人员以及AI从业者提供了全面的指导，旨在优化与大型语言模型（LLM）的交互效果，提升生成内容的质量与精准度。提示工程的核心价值提示工程作为与AI模型沟通的桥梁，直接影响模型输出的准确性和实用性。白皮书中指出，通过精心设计的提示，用户可以引导模型完成从简单问答到复杂推理的多种任务。文档详细介绍了提示工程的演变历程，强调其在自然语

备受瞩目的中国人工智能研究实验室DeepSeek AI，继其强大的开源语言模型DeepSeek-R1之后，再次在大型语言模型（LLM）领域取得重大突破。近日，DeepSeek AI正式推出一项名为自主演原则的批判调优(Self-Principled Critique Tuning，简称SPCT)的创新技术，旨在构建更通用、更具扩展性的AI奖励模型(Reward Models，简称RMs)。这项技术有望显著提升AI在开放式任务和复杂环境中的理解和应对能力，为更智能的AI应用铺平道路。背景:奖励模型——强化学习的“指路明灯”在开发先进的LLM的过程中，强化学习（Reinfo

2025年4月8日，英伟达（NVIDIA）宣布推出其最新大型语言模型(LLM)——Llama3.1Nemotron Ultra253B。这一模型基于Meta的Llama-3.1-405B-Instruct开发，通过创新的神经架构搜索(NAS)技术进行了深度优化，不仅在性能上超过了近期发布的Llama4系列中的Behemoth和Maverick，还以开源形式在Hugging Face平台上发布，引发了AI社区的广泛关注。性能突破:碾压Llama4Behemoth和Maverick根据英伟达官方披露的信息以及社交媒体上的最新讨论，Llama3.1Nemotron Ultra253B在多个关键基准测试中表现出色。这一模型拥有2530亿个参数，相较于Lla

OpenAI 团队推出了一个名为 PaperBench 的基准测试，旨在评估AI代理在复制先进 AI 研究方面的能力。该测试要求 AI 代理从头开始复制20篇2024年国际机器学习会议（ICML）中的重点和口头论文，整个过程涉及理解论文贡献、开发代码库以及成功执行实验。为确保评估的客观性，研究人员设计了详细的评分标准。这些标准将每项复制任务分解为多个层级的子任务，并设定明确的评分标准。PaperBench 一共包含8316个可以单独评分的任务，所有评分量规均与每篇论文的作者合作开发，以保证其准确性和真

人工智能芯片巨头英伟达的研究人员近日发布了一项名为“FFN融合”（FFN Fusion）的创新架构优化技术。该技术旨在通过解决Transformer架构中固有的串行计算瓶颈，显著提升大型语言模型（LLMs）的推理效率，为更广泛地部署高性能AI应用铺平道路.近年来，大型语言模型在自然语言处理、科学研究和对话代理等领域展现出强大的能力。然而，随着模型规模和复杂性的不断增加，其推理过程所需的计算资源也大幅增长，导致了效率瓶颈。Transformer架构是LLM的基础，其交替的注意力机制和前馈网络

Midjourney 和纽约大学的研究人员近日联手开发出一种创新方法，旨在显著提升语言模型生成创意文本的多样性，同时将质量损失控制在最低限度。这项发表在最新研究论文中的技术，核心在于将“偏差指标”引入人工智能的训练过程。其运作原理是通过量化每个生成的文本与针对同一提示创建的其他文本之间的差异。研究人员利用嵌入文本及其成对余弦距离来计算这些差异，从而为系统提供了一种理解文本变异性的数学框架。这种新的训练方法能够评估大型语言模型（LLM）响应之间的差异

据韩国当地媒体报道，专注于人工智能应用芯片研发的初创公司FuriosaAI近日拒绝了科技巨头Meta提出的高达8亿美元的收购要约。FuriosaAI方面表示，将继续专注于自主研发和生产其AI芯片。报道指出，此次收购谈判破裂的主要原因在于收购后双方在业务战略和组织结构方面存在分歧，而非收购价格本身。与众多致力于构建大型语言模型（LLM）的科技公司类似，Meta一直在积极寻求降低对AI芯片巨头英伟达的依赖。英伟达的芯片在LLM的训练和构建领域占据主导地位。为此，Meta去年推出了其定制AI

法律研究公司 LexisNexis 最近推出了一款名为 Protégé 的 AI 助手，旨在为、助理和法律专员提供支持。Protégé 的主要功能是帮助用户撰写和校对法律文件，并确保引用的内容在诉状和简中是准确的。LexisNexis 希望打造一款不仅仅是通用的法律 AI 助手，而是能够学习各个法律事务所的工作流程并提供定制化服务的智能助手。在开发 Protégé 的过程中，LexisNexis 利用了 Anthropic 和 Mistral 的先进大型语言模型（LLM），并尝试找出最能满足用户需求的模型。LexisNexis 的首席技术官 Jeff Riehl 表示:“我们会

据《科创板日报》，阿里云启动了名为 “T 项目” 的新计划，旨在加速下一代 AI 技术的研发。该项目将专注于多个前沿领域，包括 AI 引擎、大型语言模型（LLM）和多模态技术等，期望通过这些技术的突破，满足日益增长的市场需求。“T 项目” 的启动意味着阿里云在 AI 领域布局的进一步加深。根据知情人士的透露，此项目不仅会加快 AI 技术的研发速度，还会吸引更多优秀人才参与其中。参与项目的员工将通过类似 “借调” 的方式加入，增强团队的多样性和创新能力。近年来，随着 AI

继Gemma3之后，谷歌又给我们带来了一位“闪电侠”——Gemini2.0Flash，而且人家这次是带着独门绝技来的:原生图像生成! 要知道，以前的AI图像生成，很多时候都是大型语言模型（LLM）先理解你的文字，然后再把意思“翻译”给专门生成图像的扩散模型。 这中间难免会有些“失真”，就像隔着好几个人传话，最后意思都变味儿了。但Gemini2.0Flash可不一样，人家是把图像生成功能直接集成在了模型内部! 这就好比你直接跟画家沟通需求，效率和准确度自然是噌噌往上涨! 难怪有先行体验者表示，

近日，LLMs.txt生成器迎来重大升级，正式推出v2版本。这一工具能够将任何网站内容快速转化为可供人工智能代理或大型语言模型（LLM）使用的文本文件，为AI应用的开发者和使用者带来了极大便利。新版本由@firecrawl_dev团队开发，并得到其官方llmstxt端点的全力支持，相较于上一代，处理速度提升了惊人的10倍。据介绍，LLMs.txt生成器 v2通过优化算法和增强的端点支持，显著提高了网站内容提取与转换的效率。用户只需输入目标网站URL，即可迅速生成结构化的文本文件，方便直接集成到各类A

富士康旗下的鸿海研究院近日发布了一款全新的传统中文大型语言模型（LLM）——FoxBrain。这一模型的推出引起了业界的广泛关注，标志着在中文人工智能领域的一次重要进展。FoxBrain 的训练过程在短短四周内完成，展示了强大的技术能力和高效的研发速度。图源备注：图片由AI生成，图片授权服务商MidjourneyFoxBrain 的研发旨在提升传统中文的处理能力，满足日益增长的市场需求。在互联网及社交媒体的推动下，中文内容的生成和处理对技术的要求越来越高，FoxBrain 的推出正是为了应对这种

阿里巴巴旗下的Qwen团队近日推出了其最新的开源大型语言模型（LLM）家族成员——QwQ-32B。这款拥有320亿参数的推理模型，旨在通过强化学习（RL）提升在复杂问题解决任务上的性能。据介绍，QwQ-32B已在Hugging Face和ModelScope上以 Apache2.0许可证开源。这意味着该模型可用于商业和研究目的，企业能够直接将其应用于产品和应用，包括那些收费的服务。个人用户也可以通过Qwen Chat访问该模型。QwQ，全称Qwen-with-Questions，是阿里巴巴于2024年11月首次推出的开源推理模型，目标是与OpenAI的o1-preview竞争

在人工智能领域，Hume AI公司最近宣布推出其全新产品Octave，这一系统被称为首个由大型语言模型（LLM）驱动的文本转语音系统。Octave的创新之处在于其不仅能够生成自然的语音，还能理解上下文中的情感、语调、节奏和韵律，从而为用户提供更为生动和人性化的语音输出。Hume AI的联合创始人兼首席执行官Alan Cowen在接受媒体采访时表示，Octave模型的设计初衷是为了使文本转语音的生成过程更加自然和灵活。他提到，Octave可以根据输入的文本内容，自动识别人物性格和情感状态，并相应调整