在多模态大语言模型（MLLMs）的推动下，图像和视频相关的任务取得了革命性的进展，包括视觉问答、叙述生成和交互式编辑等。然而，实现细粒度的视频内容理解仍然面临重大挑战。这一挑战涉及像素级的分割、带有语言描述的跟踪，以及在特定视频提示上进行视觉问答等任务。尽管当前最先进的视频感知模型在分割和跟踪任务上表现出色，但它们在开放式语言理解和对话能力方面仍显不足。此外，视频 MLLMs 在视频理解和问答任务上表现良好，但在处理感知任务和视觉提示方面依然力不

在人工智能领域，大语言模型的"幻觉问题"一直是困扰业界的关键挑战。近日，一项基于HHEM-2.1-Open评估体系的测试结果显示，智谱AI旗下的GLM-4-9B模型交出了一份令人瞩目的成绩单。测试数据显示，在参与评估的85个大语言模型中，GLM-4-9B以98.7%的事实一致性率和100%的回答率摘得桂冠。特别值得关注的是，该模型的幻觉率仅为1.3%，这一成绩不仅位居榜首，更是超越了行业巨头OpenAI的GPT系列和Google的Gemini系列模型。图源备注：图片由AI生成，图片授权服务商Midjourney这一突破性成果标志着中国大

随着大语言模型（LLM）在现代人工智能应用中的广泛应用，诸如聊天机器人和代码生成器等工具依赖于这些模型的能力。然而，随之而来的推理过程中的效率问题也日益突出。尤其是在处理注意力机制时，如 FlashAttention 和 SparseAttention，面对多样化的工作负载、动态输入模式以及 GPU 资源限制时，往往显得力不从心。这些挑战加上高延迟和内存瓶颈，迫切需要更高效、灵活的解决方案，以支持可扩展和响应迅速的 LLM 推理。为了解决这一问题，来自华盛顿大学、NVIDIA、Perplexity AI 和卡内基梅

在2022年全球生成式 AI 浪潮的背景下，元始智能（RWKV）于2023年12月完成数千万人民币的天使轮融资，由天际资本投资。此次融资后，公司估值翻倍，资金将用于团队扩展、新架构研发及产品商业化。RWKV 的出现，是对传统 Transformer 架构的一次有力挑战。随着大语言模型（LLM）的发展，虽然模型的参数规模日益庞大，但其在幻觉和准确率等问题上的短板始终难以解决。因此，RWKV 的创始团队决定探索一种全新的架构，以期实现更高的效率和灵活性。RWKV 的设计理念与 Transformer 截然不同。联合

在一篇聚焦医疗AI评测的研究论文中，微软似乎再次"不经意"地披露了业界多个顶级大语言模型的参数规模。这份发布于12月26日的论文不仅揭示了包括OpenAI、Anthropic在内的多家公司的模型参数数据，还引发了业内对模型架构和技术实力的热议。根据论文披露，OpenAI的o1-preview模型约有300B参数，GPT-4o约200B，而GPT-4o-mini仅有8B参数。这与英伟达今年初公布的GPT-4采用1.76T MoE架构的说法形成鲜明对比。同时，论文还透露了Claude3.5Sonnet的参数规模约为175B。这已经不是微软第一次在论文中"泄露"模型参

近年来，随着大语言模型（LLM）的广泛应用，这些模型在复杂推理和问题解决任务中发挥了重要作用。其中，受 OpenAI 的 o1架构启发的 o1-like 模型以其独特的人类思维、逐步推理的能力脱颖而出。然而，这些模型也存在一个显著的低效问题，即 “过度思考”。所谓过度思考，是指模型在处理一些简单问题时，往往会消耗不必要的计算资源，甚至在推理过程中重复无谓的步骤。例如，在解决 “2+3” 这样简单的算术题时，o1-like 模型可能会生成过于详细的推理，使用的 token 数量远超传统的 LL

在企业普遍对AI应用持谨慎态度的背景下，AI销售开发代表（AI SDR）领域却呈现出罕见的爆发式增长。这些运用大语言模型和语音技术的初创公司，通过自动化个性化外联邮件和电话营销，正吸引着风投的密切关注。Index Ventures合伙人Shardul Shah指出，在短时间内已有5到10家AI SDR公司取得显著成功，这种现象在科技创业领域并不常见。前ZoomInfo首席数据官、Docket创始人Arjun Pillai解释说，过去两年冷邮件回复率下降了50%，这促使企业愿意尝试新的解决方案。目前，Regie.ai、AiSDR、Artisan和11x.ai等初创

国内新锐AI大模型公司阶跃星辰近日传出重磅消息，完成数亿美元融资。本轮融资由上海国有资本投资运营平台旗下的私募股权投资机构Fortera Capital领投，腾讯、启明创投等知名机构跟投。这家成立仅一年多的AI公司由前微软亚洲研究院首席科学家江大新于2023年4月创立。作为国内领先的AI模型研发商，阶跃星辰已在多模态大语言模型领域取得突破性进展。今年早些时候，公司推出了拥有超过1000亿参数的Step-1V多模态大模型，目前正在测试的Step-2模型更是有望突破万亿参数大关。在大语言模型

中国人工智能公司DeepSeek日前发布了一款具有里程碑意义的开源大语言模型DeepSeek V3。这款拥有6710亿参数的模型不仅规模超越Meta的Llama3.1，在多项基准测试中的表现也优于包括GPT-4在内的主流封闭源模型。DeepSeek V3的突出特点在于其强大的性能与高效的开发过程。该模型在编程平台Codeforces的竞赛中表现出色，并在测试代码集成能力的Aider Polyglot测试中领先竞争对手。模型训练采用了14.8万亿token的庞大数据集，参数规模达到了Llama3.1的1.6倍。更引人注目的是，DeepSeek仅用两个月时间、550万美元成

在2024年12月19日的发布会上，智源研究院与腾讯宣布推出LongBench v2，这是一个专为评估大语言模型（LLMs）在真实世界长文本多任务中的深度理解与推理能力而设计的基准测试。该平台旨在推动长文本模型在理解和推理方面的进步，回应了当前长文本大语言模型在应用中的挑战。

智谱科技近日宣布开源其端侧大语言和多模态模型GLM-Edge系列，这一举措标志着公司在端侧真实落地使用场景中的一次重要尝试。GLM-Edge系列由四种不同尺寸的模型组成，包括GLM-Edge-1.5B-Chat、GLM-Edge-4B-Chat、GLM-Edge-V-2B和GLM-Edge-V-5B，分别针对手机、车机等移动平台以及PC等桌面平台进行了优化。

​通义宣布旗下的大语言模型通义App现已推出鸿蒙原生版，并已在华为应用市场上线。用户可以下载体验这款全能AI助手带来的最新功能，享受更加丰富和个性化的服务。通义App已完成手机、折叠屏、Pad等多端适配，基于鸿蒙系统的特性，优化了界面交互设计，确保操作的便捷性和视觉的舒适度。鸿蒙系统为通义App提供了良好的运行环境，满足用户在生活、工作、学习等多个场景下的需求。

美国云计算软件公司 Salesforce 的首席执行官马克・贝奥夫（Marc Benioff）近日在《华尔街日报》的《未来一切》播客上表示，人工智能的未来在于自主代理(autonomous agents)，而不是大型语言模型(LLMs)所驱动的聊天机器人。他指出，当前我们正处于大型语言模型的上限阶段。贝尼奥夫提到，过去几年，大家对 ChatGPT 的热情过于高涨，导致普通消费者认为人工智能的能力远超实际。他认为，大型语言模型并不是技术进步的关键，未来的 AI 发展应集中于能够独立执行任务的自主代理。例如，这些代

科技企业服务商 AnyMind Group 今日宣布成立全新部门"AI App Studio"，致力于开发基于生成式人工智能（GenAI）和大语言模型(LLM)的应用程序，加速企业数字化转型进程。这个新部门将重点推进 AI 技术与公司自有平台的深度融合，帮助企业充分发挥 GenAI 和 LLM 的潜力解决实际问题。同时，公司正在其分布于东京、曼谷、胡志明市、班加罗尔和杭州的五大工程中心积极招募 AI 人才。AI App Studio 的三大核心任务包括:人才引进:重点招募数据工程师、AI 工程师和项目经理，负责 GenAI 和 LLM 相关应用的开发

Meta 最近发布了一项全新的基准测试，名为 Multi-IF，旨在评估大语言模型（LLM）在多轮对话和多语言环境下的指令遵循能力。这一基准覆盖了八种语言，包含4501个三轮对话任务，重点探讨了当前模型在复杂多轮和多语言场景中的表现。在现有的评估标准中，大多数集中于单轮对话和单语言任务，难以全面反映模型在实际应用中的表现。而 Multi-IF 的推出正是为了填补这一空白。研究团队通过将单轮指令扩展为多轮指令，生成了复杂的对话场景，并确保每一轮指令在逻辑上连贯、递进。此外，

随着渐冻症（ALS）等运动障碍患者日常沟通的困难，传统的辅助性沟通工具往往无法高效解决眼动打字过程中按键操作频繁带来的眼疲劳和高时间成本。为了解决这一问题，谷歌研究团队开发了一款名为SpeakFaster的用户界面(UI)，它利用大语言模型(LLM)和对话语境，帮助ALS患者显著提升沟通效率。SpeakFaster通过预测用户输入的首字母缩写，并根据对话上下文扩展为完整的短语，减少了眼动打字的按键次数高达57%，文本输入速度较传统方法提升了29%至60%。该系统经过微调的LLM结合了三个不同的输

巴黎初创公司 H，由前谷歌员工创立，去年夏天在未发布任何产品的情况下，便获得了2.2亿美元的种子轮融资，震惊业界。然而，在融资后不久，该公司却因 “运营和业务分歧” 而三位创始人离职，令人担忧其前景。但 H 公司并没有被困难击倒，近日宣布推出其首款产品 Runner H，这是一款针对企业和开发者的 “智能代理” 人工智能，旨在处理质量保证和流程自动化等任务。Runner H 建立在该公司的专有 “紧凑型” 大语言模型（LLM）之上，参数仅有20亿。H 公司已在其官网上设立了 Runner H 的

近日，英伟达发布了其全新的 Blackwell 平台，并在 MLPerf Training4.1基准测试中展示了初步的性能表现。根据测试结果，Blackwell 在某些方面的性能相比于前一代 Hopper 平台实现了翻倍的提升，这一成果引起了业界的广泛关注。在 MLPerf Training4.1基准测试中，Blackwell 平台在 LLM（大语言模型）基准的 Llama270B 微调任务中，每个 GPU 的性能达到了 Hopper 的2.2倍，而在 GPT-3175B 的预训练中则达到了2倍的提升。此外，在 Stable Diffusion v2训练等其他基准测试中，新一代的 Blackwell 也以1.7倍的优势超过了前代产品

普林斯顿大学和耶鲁大学的研究人员最近发布了一份关于大语言模型（LLM）“思维链(CoT)”推理能力的报告，揭示了CoT推理的奥秘:它并非纯粹基于逻辑规则的符号推理，而是融合了记忆、概率和噪声推理等多种因素。研究人员以破解移位密码为测试任务，分析了GPT-4、Claude3和Llama3.1这三个LLM的表现。移位密码是一种简单的编码方式，每个字母都被替换成字母表中向前移动固定位数的字母。例如，将字母表向前移动3位，"CAT"就会变成"FDW"。研究结果表明，影响CoT推理效果的三个关键因素是:概

腾讯今日发布开源MOE大语言模型Hunyuan-large，总参数量达398B，激活参数量52B。公开测评结果显示，腾讯混元Large在CMMLU、MMLU、CEva1、MATH等多学科综合评测集以及中英文NLP任务、代码和数学等9大维度全面领先，超过Llama3.1、Mixtral等一流的开源大模型。据了解，该模型在技术创新上可实现高质量合成数据，通过使用合成数据增强训练，有效应对自然数据的不足。在上下文处理能力方面，预训练模型支持高达256K的文本序列，显著增强了处理长上下文任务的能力。同时，腾讯混元宣布，为填补行业