AITOP
全部 AI 动态
AI 相关资讯全量信息流
全部博客资讯推文论文
全部模型产品行业论文技巧
7月10日
17:08
17:05
16:56
16:56官方一手marktechpost@Michal Sutter
73°
Google Research 联合 DeepMind 等团队推出 SensorFM，一个基于 ViT-1D 掩码自编码器架构的可穿戴健康基础模型。模型在超过 1 万亿分钟来自 500 万参与者的未标注传感器信号上预训练。实验对比 4 种模型规模和 4 种数据量，发现当模型容量超过数据量时性能仍可提升。使用冻结嵌入加 PCA-50 线性探针，在 35 个健康任务中的 34 个上超过了传统特征工程基线。团队还通过 agentic 教室搜索了 30,516 个预测头，并进行了临床评估以验证个人健康智能体。
AI模型SensorFMGoogle Research可穿戴健康
推荐理由：谷歌用海量传感器数据训了个健康大模型 SensorFM，在 35 项任务里赢了 34 个，比传统方法靠谱多了，做可穿戴健康的朋友可以看看。
原文
16:01
16:01官方一手pandaily@contact@pandaily.com (Pandaily)
Jiying 2.0-s物理基础模型实现了对未见几何形状、新材料和不同边界条件的零样本泛化，在工程仿真中无需重新训练即可适用多种工况。该模型基于极影科技自研框架，首次在固体力学领域达到跨设置零样本推理能力。基准测试显示其在位移场和应力场预测上优于传统数值方法。
AI模型Jiying 2.0-s极影科技物理基础模型
推荐理由：极影科技搞出了首个能零样本泛化的固体力学模型Jiying 2.0-s，不用针对每种新几何新材料重新训练，直接推理结果，搞仿真的可以看看。
原文
15:51
15:51官方账号Greg Brockman@gdb
78°
GPT-5.6 with Work IQ 已上线微软 Copilot Chat、Cowork、M365 应用、GitHub 和 Foundry。该模型支持多步骤智能体工作、分析与内容创作，带来更强的推理能力和更高质量的输出，同时保持效率。Satya Nadella 在推特上确认了这一集成。
AI模型GPT-5.6Work IQMicrosoft Copilot
事件专题
推荐理由：GPT-5.6 来了，带着 Work IQ 直接进微软全家桶，Copilot、GitHub 都能用，推理更强还支持多步智能体任务，赶紧试试。
原文
15:37
14:43
13:03
12:57
12:57AI Will@FinanceYF5
91°
OpenAI 发布了 GPT-5.6 系列模型，包含 Sol、Terra 和 Luna 三个版本。该系列已开始在 ChatGPT、Codex 和 API 中陆续上线，用户可逐步体验。OpenAI 尚未公布 Sol、Terra 和 Luna 的具体参数和定价细节。
AI模型OpenAIGPT-5.6ChatGPT
事件专题
推荐理由：OpenAI 一口气发了三个 GPT-5.6 新模型，直接在 ChatGPT 和 API 里就能用，值得试试手感。
原文
12:56
12:55
12:54
12:53
12:52
12:43
12:43官方一手marktechpost@Asif Razzaq
精选
蚂蚁集团Robbyant团队发布LingBot-World-Infinity（LingBot-World 2.0），一个14B参数因果视频生成模型，用作交互式世界模拟器。核心创新包括混合双向自回归（MoBA）注意力机制和分布匹配蒸馏，解决长程漂移导致的纹理模糊和几何变形。报告展示单个60分钟不间断会话涵盖20个场景。但发布内容仅包含一个检查点、480P参考脚本，无部署代码和定量基准，且采用非商业许可CC BY-NC-SA 4.0。
AI模型LingBot-World-InfinityRobbyant蚂蚁集团
推荐理由：蚂蚁发了14B的世界模型LingBot-World-Infinity，能生成60分钟视频模拟20个场景，用MoBA注意力解决长时间漂移。不过目前只开放了检查点，没有完整代码。
原文
12:41
12:23
12:21
11:59
11:56
11:45
11:45官方账号arXiv cs.LG@Kaifeng Zhao, Mathis Petrovich, Haotian Zhang, Tingwu Wang, Siyu Tang, Davis Rempe
73°
ARDY 是一个流式生成框架，采用混合表示（显式根特征与潜在身体嵌入）和两阶段自回归变压器去噪器，支持在线文本提示和灵活的运动学约束。在 HumanML3D 基准和 Bones Rigplay 数据集上的评估显示，其运动质量和约束遵循度高。通过交互式演示展示动态文本控制、关键帧姿势约束、路径跟随和鼠标键盘运动控制。代码和模型已发布。
AI模型ARDYNVIDIA人体运动生成
事件专题
推荐理由：NVIDIA 实验室提出 ARDY，能实时生成高质量人体运动，支持文本+约束控制，比传统方法更可控、更快速。
原文
11:42
11:30
11:26
11:26官方账号arXiv cs.LG@Amirhossein Taherpour, Xiaodong Wang
gspDAG-FL提出了一种去中心化联邦学习框架，利用Gossip协议中的历史消息达成共识，无需中央服务器或区块链。全节点通过收集事件证书和接受性证明，构建紧凑拓扑有向无环图（DAG），并运行Hashgraph风格的虚拟投票实现最终性。该框架在MNIST分类和Penn Treebank语言建模任务上测试，网络规模N=100，学习质量接近验证型账本FL，同时减少了协调瓶颈并提高了吞吐量，在混合拜占庭和懒惰节点参与下保持了高无效来源检测率。
AI模型gspDAG-FLGossip虚拟投票
推荐理由：这个框架用Gossip历史做共识，不用区块链，训练质量不差还能抗恶意节点，适合想搞去中心化联邦学习的人看看。
原文
11:24
11:24官方账号arXiv cs.LG@Yuantian Shao, Peisong Wang, Zhilei Liu, Chuangyi Li, Yuanteng Chen, Pengcheng Xie, Yiwu Yao, Zhihui Wei, Jian Cheng
BiSCo-LLM是一种无码本的二进制球面编码框架，用于将LLM权重压缩到极低比特（目标2比特每权重）。它的核心流程先将局部权重块映射到单位超球面并二值化为紧凑球面码，主载荷为比特打包的符号流，无需存储码本。残差BSQ阶段对重构误差编码，提供显式率失真路径。分类权重恢复蒸馏在每个Transformer模块替换后执行，减少重构误差与模型行为间的失配。一个8位保护通道路径用于敏感通道的辅助稳定，其存储计入总预算。
AI模型BiSCo-LLMLLM压缩二进制球面编码
推荐理由：想省显存又不想损失太多模型质量？BiSCo-LLM用二进制球面编码把LLM压到2比特，不用查码表，存储更省。
原文
11:03
10:58
10:47
10:14
10:09
10:09AI Will@FinanceYF5
@robbyant_brain 开源了LingBot-World 2.0 (Infinity)世界模型。该模型支持小时级实时生成，长时间运行后画质不衰减。输出为720p/60fps视频，解决了大多数世界模型运行几分钟后画面崩坏的问题。
AI模型LingBot-World 2.0世界模型实时生成
事件专题
推荐理由：这个开源世界模型能稳跑几小时不崩画质，比那些几分钟就坏的强多了，机器人预判世界的好工具。
原文
10:07
09:58
09:56
09:44
09:44官方一手arXiv: DeepSeek@Zuming Huang, Jun Huang, Kexuan Ren, Baode Wang, Weizhen Li, Jianming Feng, Yu Wang, Yichen Yao, Shijun Lin, Yige Tang, Cheng Peng, Weidi Xu, Wei Chu, Yinghui Xu, Yuan Qi
精选
Infinity-Parser2 是一个大型多模态模型，通过可控数据合成管道和多任务强化学习实现端到端文档解析。研究团队构建并开源了包含500万样本的中英双语数据集Infinity-Doc2-5M，涵盖多种文档类型和标注形式。模型采用8个联合训练目标，包括文档解析、布局分析、表格/数学公式/图表/化学公式解析及文档VQA。Infinity-Parser2-Pro 在olmOCR-Bench上达到87.6%，在ParseBench上达到74.3%，超越DeepSeek-OCR-2、PaddleOCR-VL-1.5和MinerU2.5。Flash变体推理吞吐量较Infinity-Parser-7B提升3.68倍。
AI模型Infinity-Parser2多模态模型文档解析
推荐理由：Infinity-Parser2 用多任务强化学习搞定文档解析，开源了500万样本数据集，Pro版在OCR基准上刷新纪录，Flash版速度快3倍多。适合做文档智能处理的开发者。
原文
09:42
09:42官方一手arXiv: OpenAI@Feng Wang, Canmiao Fu, Zhipeng Huang, Chen Li, Jing Lyu, Ge Li
该论文提出 Cognitive-structured Multimodal Agent (CMA)，通过外化视觉信息至 Episodic Visual Memory 并在推理时选择性激活相关片段，解决统一多模态模型在长时对话中视觉 token 爆炸和跨轮引用不可靠的问题。CMA 由 Perceptual Abstraction Engine、Cognitive Retrieval Engine 和 Multimodal Executive Controller 组成。利用 Unified Scenario Engine 生成带细粒度检索标注的结构化多轮对话，并通过强化学习优化策略。在自主构建的长程视觉对话基准上，8B 参数的 CMA 在 20 轮会话中达到 91.4% 检索准确率，比 32B 基线高 8.2%，每轮推理时间从 23.1 秒降至 12.7 秒。
AI模型Cognitive-structured Multimodal AgentEpisodic Visual Memory多模态
推荐理由：他们搞了个带记忆的 8B 多模态智能体，20 轮对话检索准确率 91.4%，比 32B 模型还快一半。代码和 demo 都开源了，值得看。
原文
09:35
09:34
09:34shao__meng@shao__meng
81°
Mark Zuckerberg 时隔三年再次在X发帖，官宣 Meta 发布新模型 Muse Spark 1.1，主打强 agentic 和强 coding 能力，并提供极低价格。该模型支持 1M token 上下文窗口、子 agent 并行委派以及跨端 GUI 操作。在 Agent 类基准中，MCP Atlas（规模化工具调用）88.1 分领先第二名约 6 分，JobBench（专业工具使用）54.7 分较前代 17.0 暴涨约 3.2 倍。但 coding 方面 Terminal-Bench 80.0 分落后于 GPT 5.5 的 83.4 分，SWE-Bench Pro 61.5 分低于 Opus 4.8 的 69.2 分。低定价策略使其对成本敏感的开发者具有吸引力。
AI模型Muse Spark 1.1MetaMeta Model API
推荐理由：Meta 出了个新模型 Muse Spark 1.1，Agent 任务特别能打，价格还便宜，适合做工具调用和自动化流程的开发者，coding 虽不是最强但够用。
原文
08:49
08:40
08:35
08:35官方一手@OpenAIDevs@OpenAIDevs
精选
OpenAI为GPT-5.6推出多智能体功能，允许在单个请求内生成并发子智能体。这些子智能体可分工处理复杂任务、并行探索不同方案，并将结果综合为最终输出。该功能目前通过Responses API以beta形式提供。
AI模型GPT-5.6OpenAI智能体
事件专题
推荐理由：GPT-5.6现在能派出一队AI小弟同时干活，复杂任务一次搞定，不用反复调用了。
原文

仅展示最近 2000 条内容。更早的内容请查阅 AI 日报存档（侧边栏 → AI 日报 → 顶部「往期日报」）。