AMiner2006的博客

AI"重新定义"材料设计。

无需预训练、无需 CoT 数据。

“退化式AI”，如何避免？

一分钟读懂「氛围编码」。

一分钟搞清楚「上下文工程」

AI正在扩展人类认知。

从困境到巅峰，回看黄仁勋的三十年逆袭之路。

关于Alphafold的一切。

他们给出了哪些具体建议？

Transformers是一个干扰项。

在智能时代，个人拥有无限可能.....

是什么？有什么用？

AGI离不开空间智能。

一文读懂Deep Research。

AI陪伴能否给予人类般的感情？

同尺寸效果最好。

未来2-3年，“智能爆炸”可以出现吗？

AI 一天，人间三年。

“授人以鱼，不如授人以渔。”

监督学习、强化学习，哪个将催生超级智能？

学习提效AI Agent。

Agent可以帮你搞定一切？帮你暴露一切。

欢迎投稿！

通过人工智能（AI）技术驱动的数据分析，能够识别帕金森病患者与健康人群手写特征的差异，有望实现更早诊断。

智谱 CogVideoX 在视频-文本一致性领先，而 Gen3 在成像质量最优。

保护人类的快乐和努力（to protect human joy and endeavour）。

For the future，Be the future！

奥特曼设想，未来将 ChatGPT 转变为深度个人化的 AI 服务，记住每个用户的整个生活环境，同时在所有服务中无缝运行。

他探讨了物理 API 的潜力，认为物理 API 将开启一个全新的技术时代。届时，物理 AI 将成为现实。

你正与一位网友激烈辩论。对方的措辞精准、逻辑缜密，句句切中要害，甚至让你开始动摇立场。你是否会开始怀疑：这个人，会不会其实是一个人工智能（AI）算法。

“4 年前，英伟达在中国拥有 95% 的市场份额。今天，只剩下了 50%，”黄仁勋如是抱怨道，“其余份额都被中国技术（公司）抢占。如果没有英伟达，他们也会使用很多本地技术。”

由于能够根据不同的应用领域进行微调，且计算成本不高，Aurora 代表了在使任何人都能够进行可操作的地球系统预测方面取得的重大进展。

生物学+计算技术，更强、更高效。

亟需解决 6 大挑战。

科学家才是真正推动知识向前发展的人。

OpenAI 需要“回答一些基本问题”。

近年来，机器人取得了显著进展，能表演杂技、跳舞、听从指令，甚至完成叠衣服、擦桌子等复杂任务。但机器人面临的最大挑战并非灵活性，而是泛化能力——在新环境中正确完成任务的能力。想象一个你家中的清洁机器人：每个家庭布局不同，物品摆放各异。机器人必须在多个层面上实现泛化。低层面上，它需学会如何抓起未曾见过的勺子或盘子；高层面上，它要理解任务语义，如衣服应放进洗衣篮、用何种工具擦拭溢出物。实现这种能力既依赖强大的操作技能，也需要常识理解，而现实中可用于训练的数据又极其有限，进一步增加了困难。

一种结合 agentic AI 和具身机器人技术的自主通才科学家（AGS），有望实现整个研究生命周期的自动化，进而催生出科学发现的 Scaling Laws。

16年「英伟达」芯片史与AI未来趋势预测

无论是乐观的技术“鼓吹派”，还是更为担忧的“灾难担忧派”，都在广泛传递这这样一种关于 AGI 的宏大叙事。