32MB也能说话和作曲:Underdog展示端侧语音模型Woof
Underdog推出仅31.7MB的开源语音生成模型Woof,并通过浏览器小游戏展示其文本转语音和音乐生成能力。该模型主打无需联网的本地运行,为隐私友好的端侧AI提供了新的思路。
阅读全文Claude API 中转站避坑指南、检测原理与大模型 API 实测经验
共 2275 篇文章
RSS 订阅Underdog推出仅31.7MB的开源语音生成模型Woof,并通过浏览器小游戏展示其文本转语音和音乐生成能力。该模型主打无需联网的本地运行,为隐私友好的端侧AI提供了新的思路。
阅读全文由电商3D渲染技术转型而来的Physicl,正将高保真数字环境用于机器人和物理AI训练。公司推出Studio,帮助开发者按需生成包含复杂边缘情况的合成数据。
阅读全文香港中文大学(深圳)团队提出 Speculative Listening,在真实音频到达前利用“静音假设”预先生成候选结果,再用到达的音频进行验证。该方法无需训练即可显著降低语音响应和工具调用延迟。
阅读全文Nace.AI 发布开放权重决策模型系列 Drex,针对给定状态、问题和选项直接输出概率分布,无需自回归生成。其 Max 版本在多个决策基准上展现出接近顶级模型的表现,同时显著降低响应延迟。
阅读全文北京大学 DAGroup 提出 Open-HumanScale,开放了一套将人类第一视角经验扩展到具身基础模型的训练方案。研究显示,经过筛选和标注的人类视频可以提升机器人策略的泛化能力,并在 RoboTwin 2.0 上取得较高成绩。
阅读全文一项研究显示,语言模型究竟会被哪些越狱提示攻破,往往更取决于具体的预训练运行,而不是数据配方本身。这个发现意味着,针对单一检查点的安全评估,可能无法代表同名模型的所有后续版本。
阅读全文Palo Alto Networks正在洽谈收购Clutch Security,交易对价据称为5亿美元现金,另加与里程碑挂钩的付款。若交易完成,这家AI代理安全公司的估值将明显高于上一轮融资水平。
阅读全文vLLM已将CUDA构建及编译依赖迁移至LibTorch Stable ABI,并从v0.33.0起发布相应CUDA wheel。此举可让兼容范围内的PyTorch升级直接替换torch wheel,减少vLLM重建需求。
阅读全文vLLM Blog 介绍 REINFORCE Zero:通过让 rollout 与训练端的计算内核逐位对齐,再用不裁剪的重要性采样修正权重滞后。该方法在高策略延迟下保持稳定,并显著提升训练吞吐。
阅读全文TurnWise针对流式视频理解中的多轮决策问题,将强化学习的信用分配从整条轨迹细化到每个交互回合。该方法旨在减少重复回答,并鼓励模型在合适时机继续观察或进行后续响应。
阅读全文GameVerse 是一个面向长时程交互式世界建模的分钟级游戏视频数据集,试图解决现有模型在持续生成中容易失去场景一致性的问题。它不仅扩大了视频规模,还通过稳定相机轨迹和事件级描述,为模型提供更适合长期推演的训练信号。
阅读全文AI 集群规模扩大后,光网络故障不再只是单点问题,激光器、交换机和微环等资源可能受到共享环境影响而同时失效。Halley 通过预测式控制和形式化保障,在故障发生前调整资源与调度策略,提升训练有效吞吐。
阅读全文现有视频问答基准大多测试模型能否从视频中找到答案,却很少考察它能否在多轮对话中记住此前看过的内容和给出的回答。VideoMemBench以跨轮依赖为核心,专门测量多模态大模型的视频上下文记忆能力。
阅读全文Hybrid Computer Use 提出一种统一的电脑操作接口,将代码与命令行、无障碍语义树和图形界面结合起来。实验显示,这种多通道方式有望同时提升任务成功率、执行效率并降低成本。
阅读全文人类示范更容易获取,却无法直接替代机器人数据。H2RB通过对齐视觉表征与拆分动作解码,让未配对的人类和机器人轨迹共同适配预训练VLA。
阅读全文一项发表于 Hugging Face Daily Papers 的研究提出 SIMPLE 能耗模型,用模型架构和输入输出长度预测 LLM 推理能耗。研究显示,KV Cache、GQA 分组方式与推理长度会显著改变每个 Token 的真实成本。
阅读全文一项名为 ShortReasoning 的研究发现,把模型已经完成的推理改写成紧凑的状态记录,可能让它在后续生成中减少重复思考。该方法无需重新训练,在编码智能体案例中还显示出降低成本的潜力。
阅读全文一项针对多轮智能体强化学习的研究发现,RL 的优势高度依赖可用交互轮数。它真正擅长的并非普遍提升每一步决策,而是帮助智能体纠错并坚持完成长程任务。
阅读全文一项针对AI代理重启监控器的研究指出,90%的分类准确率并不意味着重启策略有效。真正关键的是,触发报警后重新尝试的成功概率,以及现有轨迹是否足以支持继续或重启的选择。
阅读全文马克·库班称,诈骗者利用其AI换脸和克隆声音推广虚假糖尿病疗法,而相关广告仍能在Facebook上投放。路透社披露的Meta内部文件还显示,诈骗及违规商品广告可能贡献了公司约160亿美元收入。
阅读全文一则 Claude Code 的 GitHub 问题报告称,模型在执行网页搜索或命令时,可能把已登录账户的邮箱地址写入 User-Agent 等请求信息。Anthropic随后表示将移除这类上下文,并通过内置隐私插件增加拦截。
阅读全文