搜索
Anthropic 开源了基于零知识密码学的 FlashProve，使用户无需获取模型权重即可验证回答确由指定模型生成；该系统已在 4000 亿参数的 Llama 4 Maverick 上达到约 110 Token/s，但仍是受成本和上下文限制的研究原型。
为 Agent 建记忆，花掉了上亿 Token，结果在相当一部分情况下，回答准确率甚至低于直接用RAG检索聊天记录。
人工智能先驱 Yann LeCun 一直主张「生成式 AI 是一条死胡同，世界模型才是真的未来」。
大模型吃光互联网后，机器人的物理Token从哪来？
DeepSeek Harness官方发布“创造模式”（Creator Mode）指南，用户输入一句自然语言即可让AI编写并安装插件，同时免费公开7套官方提示词，示例覆盖3D建模与游戏、视频剪辑、海报设计、论文阅读、界面改造和Token统计。
统一多模态模型（Unified Multimodal Models, UMMs）通常为理解和生成分别使用不同的视觉表示：用 ViT 提取理解所需的语义特征，用 VAE 提供生成所需的潜变量。这样一来，同一张图像要以两种 token 进入上下文，视觉上下文随之变长；这种双流接口也不同于视觉-语言模型（VLM）常用的单一视觉流，难以直接沿用成熟的 VLM 预训练流程。
OpenAI将从12月起合并Plus、Pro用户的ChatGPT与Codex用量额度并统一按Token计费，基础Instant聊天除外，ChatGPT近乎无限的聊天额度将结束。
百度智能云推出AI Infra与Agent Infra双层基础设施，通过百舸AI计算平台6.0提升资源与Token效率，支撑智能体长期稳定运行及产业场景落地。
清华大学研究团队提出动作级在线蒸馏ActionOPD，在学生实际访问状态下以语义动作监督策略优化，使轻量Agent学习教师决策而非模仿Token，并支持黑盒接口、跨家族蒸馏及Self-ActionOPD自蒸馏。
一张高清照片中，远处的手提包是什么颜色？一页票据里，某项费用到底是多少？面对这些问题，多模态大模型常常需要先找到相关区域，再放大查看。但如果第一步就框错了位置，后面的推理也可能跟着出错。视觉思维链让模型能够边看边想、调用工具寻找证据。不过，许多方法仍然像生成句子一样，把边界框坐标逐个写成文本 token。连续的空间位置，为什么要通过离散文字来表达？