搜索
训练大模型时，工程师绝对不会指望网络做一次前向传播就能收敛。它需要数据喂养、Batch切分、学习率控制、验证集筛选以及优化器状态的迭代试错。
Claude Mythos就用6.1×10²⁷ FLOPs提前叩响了奇点的大门。
在上午 11 点开始的英伟达 GTC Taibei 2026 大会现场，黄仁勋拿出了英伟达与微软联手打造的 PC 产品。在细数了将近 1 个小时已有成果之后，黄仁勋终于开讲今天的重头戏：一款迄今为止全球性能最强、能效最高的轻薄型 Windows PC。
从大模型的提示词到智能体的 Skills，看着进化了，但又没有完全进化。
随着大语言模型在各类应用中加速落地，一个核心技术瓶颈日益凸显——AI始终缺乏真正的长期记忆能力。当前主流的RAG（检索增强生成）方案依赖语义相似度检索历史信息，但“语义相似”并不等于“真正相关”，常常出现检索结果不完整、无法区分信息相关性、缺乏推理能力等问题。
OpenAI联手Broadcom造芯片，想摆脱对英伟达的单一依赖，却在关键一步上，仍被微软卡了脖子。
微软工程师们，天塌了！昨天， 微软工程师们还在用Anthropic的Claude Code狂飙代码、改代码库、跑代理，今天就被一纸通知：6月底前必须全部下线，强制转向自家GitHub Copilot CLI！这不是小打小闹，是微软多个部门集体断供Claude Code。
扩散模型杀进了文本生成的地盘，而巨头们为了抢它，已经打起来了。
浙大联合微软亚洲研究院最新提出的World-R1，不改架构、不要3D数据，纯靠强化学习就让视频生成模型学会了“理解”三维世界。World-R1 的出发点很简单：预训练的视频模型里面已经有 3D 知识了，只是“沉睡”着。用强化学习把它叫醒就行。
微软用一套多 Agent 系统在 AI 漏洞发现的顶级基准测试上拿下第一，超过 Anthropic 最强模型 Mythos 五个百分点。诡异的是，微软自己并没有一个能打的前沿模型。它用别人的模型组了个系统，打败了造出这些模型的公司。这对AI竞争格局的启示，比这个工具挖出了大量 Windows 漏洞本身更重要。