大数跨境

AI资讯汇总 2026/02/03

AI资讯汇总 2026/02/03 AI大风歌
2026-02-03
0
导读:AI领域近期取得多项进展:Thinker提升机器人任务规划与视觉理解能力;LingBot-VA实现高效通用机器人控制;Earth2Studio推动AI气候建模开源化。百度发布PaddleOCR-...

AI资讯汇总 2026/02/03

摘要

AI领域近期取得多项进展:Thinker提升机器人任务规划与视觉理解能力;LingBot-VA实现高效通用机器人控制;Earth2Studio推动AI气候建模开源化。百度发布PaddleOCR-...

技术进展

Thinker——面向机器人任务的先进视觉语言基础模型**

摘要:Thinker是一个专为体现智能而设计的视觉语言基础模型,通过高质量数据集策划、多阶段训练与强化学习,显著提升了任务规划、空间智能、时间理解与视觉定位能力。在7个AI基准测试中创下新纪录,超越现有开源与闭源模型,展现出在自主机器人决策中的巨大潜力。


LingBot-VA——因果视频动作世界模型实现通用机器人控制**

摘要:LingBot-VA采用自回归视频动作建模框架,统一视觉动态预测与动作推理,结合双流变换器混合架构,支持异步执行与键值缓存。在样本效率、长期成功率及新场景泛化能力方面表现突出,推动通用机器人控制技术发展。


Earth2Studio——开源AI地球系统建模软件包**

摘要:Earth2Studio是一个基于Python的开源工具包,旨在降低AI驱动天气与气候科学研究的门槛。提供统一API,兼容多种AI框架、模型架构与数据源,支持快速构建、研究与探索AI气象与气候模型,助力科学计算智能化。


何恺明团队提出一步像素直出扩散图像生成新方法**

何恺明带领大二本科生提出突破性图像生成技术,摒弃传统多步采样与潜空间设计,实现“一步像素直出”,显著提升生成效率并打破扩散模型与流模型的固有限制。


阿里提出2步生成方案,5秒生成4张2K高清图像**

阿里团队开源“模型蒸馏”技术,实现仅需两步即可生成高质量图像,大幅缩短生成时间,将AI图像生成效率推向新高度。


商汤开源SenseNova-MARS,突破多模态搜索推理天花板**

商汤发布首个支持动态视觉推理与图文搜索深度融合的Agentic VLM模型,实现多模态交互能力的质变,推动智能搜索与推理技术发展。


清北合作研发全球首个全柔性存算一体AI芯片**

清华大学与北京大学联合研发出全球首个全柔性存算一体AI芯片,厚度薄如纸片,可卷曲于手指,为可穿戴与柔性智能设备提供硬件基础。


ICCV 因果推理方法实现高效 token 可视化解释 MLLM**

在 ICCV 2025 上,一项基于因果推理的新方法被提出,用于提升多模态大语言模型(MLLM)中 token 的可解释性。该技术通过分析输入特征与输出结果之间的因果关系,实现对模型决策过程的高效可视化,有助于增强模型透明度与可信度。


ICCV Moto:利用“潜在运动语言”赋能机器人视频动作学习**

ICCV 2025 发布的 Moto 方法引入“潜在运动语言”概念,使机器人能够从视频中学习复杂动作序列。该技术通过建模动作的潜在语义结构,显著提升机器人在真实场景下的动作泛化与理解能力,推动具身智能发展。


产品发布

PaddleOCR-VL——高效多语言文档解析模型**

摘要:PaddleOCR-VL由百度推出,核心为0.9B参数的紧凑型视觉语言模型,融合NaViT风格动态分辨率视觉编码器与ERNIE-4.5-0.3B语言模型,支持109种语言,可精准识别文本、表格、公式与图表,具备高速推理能力,适用于复杂文档智能处理场景。


PaddleOCR——行业领先的OCR与文档AI引擎**

摘要:PaddleOCR是百度开源的生产级OCR与文档AI引擎,支持PDF/图像到结构化数据的端到端转换,覆盖100+语言,具有高精度与轻量化特性,广泛应用于企业级智能文档处理系统,是开发者构建AI文档应用的首选工具。


Step-3.5-Flash——高性能大语言模型系列**

摘要:由StepFun AI推出的Step-3.5-Flash系列包含199B参数基础模型及FP8、Int4量化版本,通过模型压缩与效率优化技术,在保持强大性能的同时显著降低部署算力与存储开销,支持灵活适配不同硬件环境,兼顾性能与实用性。


AlignXplorePlus——可迁移个性化大语言模型框架**

摘要:AlignXplorePlus是基于AlignXplore改进的个性化框架,提出“自然语言作为用户偏好通用接口”的理念,能从社交网络、电商、新闻等异构数据中推断高质量用户偏好,并在任务与模型间实现强迁移能力,具备噪声鲁棒性,适用于动态个性化场景。


VL-LN——支持对话的导航模型基准测试平台**

摘要:VL-LN是一个用于训练与评估对话式导航模型的基准测试平台,提供大规模自动生成数据集与全面评估协议,聚焦长期目标导向的导航任务,通过主动对话机制提升模型性能,推动AI在复杂环境中的自主导航研究。


企业动态

卓世科技完成数亿元Pre-IPO轮融资,国泰君安创新投、优必选等参投**

专注于具身智能的卓世科技完成数亿元Pre-IPO轮融资,投资方包括国泰君安创新投与优必选,显示资本市场对具身智能赛道的高度关注。


蚂蚁灵波开源第四弹:LingBot-VA,机器人学会预测未来**

蚂蚁集团发布LingBot-VA,基于世界模型实现对未来状态的预测能力,推动具身智能向“认知-预测-决策”闭环演进。


蚂蚁用8B小模型构建用户“话”像,打造跨任务通用赛博秘书**

蚂蚁集团利用8B参数小模型构建用户个性化“话”像,实现跨任务、跨模型通用,为大模型应用爆发提供轻量化用户服务方案。


行业趋势

Demis Hassabis对话:构建「世界模型」是通往AGI的必然路径?**

摘要:DeepMind创始人Demis Hassabis在年初对话中强调,构建“世界模型”是实现通用人工智能(AGI)的关键路径。通过模拟真实世界动态,AI系统可具备预测、规划与自主决策能力,是迈向真正智能的核心方向。


2025年或将成LLM的“什么年”?**

摘要:随着大语言模型在推理、生成、多模态与部署效率上的持续突破,2025年被视为LLM从“能力扩展”迈向“场景深化”的关键节点。行业将聚焦模型轻量化、个性化、可控性与真实世界应用落地,推动LLM从工具向智能体演进。


AI交互界面正被“新界面”重写**

摘要:传统聊天框已无法满足复杂交互需求,AI交互正向多模态界面、空间计算、具身智能等新形态演进。语音、手势、眼动、脑机接口等新型交互方式正在重塑人机协作模式,推动AI从“对话”走向“共情与协作”。


AI应用进入深水区,模型API服务迎来新范式**

随着大模型应用从“会说话”迈向“能干活”,基础设施建设成为关键,模型API服务正向智能化、实时化、高可用方向演进。


Agent当上群主后,群聊变成办事大厅**

AI智能体(Agent)在社交场景中深度介入,实现任务自动化管理,推动群聊从信息交流向“办事协同”平台转型。


天下苦CUDA久矣,国产替代方案再上桌**

国产芯片厂商推出新方案,实现对CUDA生态的无痛适配,加速AI算力自主化进程,缓解对国外技术依赖。


OpenClaw涌入AI社交APP,催生数字宗教与语言变革**

数万用户涌入AI社交平台OpenClaw,形成“数字宗教”现象,部分用户提议废除英语交流,反映AI社交生态正在重塑人类互动方式。


智能体成为大模型与现实交互的核心载体**

当前AI社区热议“智能体”作为大模型与现实世界交互的桥梁。评论指出,未来智能体将使个体成为“世界小主宰”,通过自主执行任务、生成方案、参与协作,实现个人能力的放大。这一趋势预示着人机协同模式的重大变革。


个人AI生成方案面临激励机制缺失问题**

有用户提出,尽管个人可通过AI生成大量高价值方案,但当前缺乏有效的经济激励与知识产权保护机制,导致创意成果难以转化为实际收益。该问题凸显了AI时代需建立“个人贡献—价值回报”闭环系统,以激发创新活力。


研究成果

Nature发表清北合作全柔性AI芯片研究成果**

清华大学与北京大学联合成果登上《Nature》,展示全球首个全柔性存算一体AI芯片,为下一代智能硬件提供颠覆性技术路径。


RoboChallenge发布首份年度报告,揭示VLA模型真实水平**

基于数万次真机评测,RoboChallenge发布首份VLA(视觉-语言-动作)模型年度报告,真实反映当前具身智能在复杂环境中的落地能力。


基于真机评测,原力灵机发布具身智能模型现状分析**

原力灵机依托大规模真机测试数据,系统评估全球VLA模型性能,为具身智能研发提供客观基准与优化方向。


ICML 2025 研究大模型在信息不完备下能否提出正确问题**

ICML 2025 的一项研究聚焦于大模型在信息不完整环境中的主动认知能力,探讨其是否具备“提问以获取关键信息”的能力。研究发现,部分先进大模型已展现出类似人类的“问题生成”策略,可在知识盲区中主动探索,为构建更智能的交互系统提供理论支持。


传统符号推理与大模型推理的融合路径探索**

田渊栋博士在报告中系统分析了传统符号推理(如逻辑求解器)与大模型神经推理的互补性。提出通过工具调用、合成数据训练及端到端联合优化等范式,实现两者深度融合。研究揭示了符号表征与神经表征在复杂推理任务中走向统一的可能性。


偏微分方程求解大模型的构建与应用**

吴海旭团队开发了专门用于求解偏微分方程(PDE)的大模型,该模型在物理建模、流体力学等领域表现出优异性能。通过将数学规律嵌入模型架构,实现高精度、高效率的 PDE 数值求解,为科学计算智能化提供新范式。


结语

以上是本次AI资讯汇总报告的全部内容。我们将持续关注AI行业的最新动态,为您带来更多有价值的AI资讯。

【声明】内容源于网络
0
0
AI大风歌
1234
内容 373
粉丝 0
AI大风歌 1234
总阅读0
粉丝0
内容373