每日AI快讯

随着科技的快速发展，AI爬虫技术也逐渐成为全球关注的焦点。近日，Cloudflare作为全球最大的网络基础设施公司之一，首次推出了基于AI对抗AI爬虫的新策略，这一举措可谓开创了AI领域全面战争的先河，并且具有深远的历史意义。 让我们从一个发生在年初的故事说起。一家位于乌克兰的小型公司Triplegangers，专注于销售高精度3D数字人体模型。这家公司虽然只有7名员工，但其庞大的数据库吸引了无数客户的目光。然而，在一个平凡的周六早晨，Triplegangers遭遇了一场突如其来的DDoS攻击。创始人Tomchuk很快发现，这次攻击并非来...

（由多段落组成）： 苹果公司，这家曾经以创新和领导力定义科技行业的巨头，近年来似乎正在逐渐失去昔日的辉煌。根据彭博社在2025年3月21日的报道，苹果CEO蒂姆·库克对当前AI团队的表现失去了信心，并对公司高层进行了调整。负责Siri和AI战略的约翰·詹德雷被从Siri的直接管理中移除，取而代之的是迈克·洛克威尔，他曾领导Apple Vision Pro的开发工作。这一调整发生在苹果高层管理团队年度峰会之后，会上AI战略成为了讨论的核心议题。 调整的背后，反映了Siri功能更新和Apple Intelligence推出进度的严重滞后。一些海外媒体...

在最新一期TED采访中，奥特曼再次重申了OpenAI将成为首个发布AGI（通用人工智能）的公司，并表示对此并不感到意外。他指出，当AI发展到能够自主完成以往需要整个团队才能完成的任务时，人类可能需要重新构建一个全新的模型来适应这一变化。 在这场长达45分钟的对话中，奥特曼与主持人Adam Grant深入探讨了AI在创造力和同理心方面的进步，同时也谈到了随之而来的伦理挑战以及人类监督的重要性。他认为，AI带来的变革更像是一场工业革命，而非简单的互联网革新。 奥特曼还提到，随着AI技术的发展，社会可能会逐渐淡化对具体...

在中国，人形机器人市场逐渐崭露头角，主要围绕北京、上海、浙江、广东等发达省市展开。其中，小米、智元、宇树、华为成为国内产业链的领头企业，而海外市场则以特斯拉Optimus为代表。作为配套零部件供应商，谁能绑定更多下游核心企业，谁就将在行业中占据更大话语权。 震裕科技（SZ：300953），一家原本并不起眼的汽车配件制造商，却在资本市场多次传出已进入小米和特斯拉供应链的消息，并有望成为继拓普集团、三花智控之后的第三家总成供应商。那么，震裕科技究竟具备怎样的实力？ 01 基本面：困境中的反转 震裕科技最...

随着科技的快速发展，人工智能技术正在不断革新我们的日常生活。近日，谷歌公司宣布了一项全新的功能升级，引发了广泛关注。根据IT之家3月24日的报道，谷歌发言人亚历克斯・约瑟夫在一封发给The Verge的邮件中确认，谷歌已经开始为Gemini Live引入新一代的人工智能技术。这项技术的核心亮点在于，它能够通过用户的智能手机摄像头实时捕捉屏幕，并提供与画面相关的即时解答。 这一新功能的推出距离谷歌首次展示“阿斯特拉项目”（Project Astra）已经接近一年。回顾去年5月举行的2024年I/O开发者大会，谷歌展示了基于Gemini模...

（由多段落组成）： 苹果再次成为科技圈的焦点！据智东西3月24日消息，继上周五苹果AI团队高层换岗后，彭博社再次爆料称，苹果正计划推出搭载摄像头和视觉智能功能的智能手表。这一消息引发了广泛关注。 根据爆料，苹果将在Apple Watch上引入摄像头技术，具体有两种方案：一种是将摄像头直接嵌入Ultra版手表侧面，位于表冠与按钮之间；另一种则是为标准版手表设计“打孔屏”，将摄像头置于屏幕中。虽然这些产品目前仍处于规划阶段，但彭博社预计，搭载摄像头的Apple Watch可能会在2027年前后面世。 苹果所提到的“视觉智能”...

整理后文章： 重新审视注意力机制：对数级别的复杂度？ 近年来，注意力机制在人工智能领域大放异彩，尤其是在 Transformer 模型中。然而，一篇最新的博客引发了 AI 社区的热烈讨论，提出了一个全新的视角：Transformers 中实现的注意力机制，在计算复杂度上应该被视为对数级别（logarithmic）。这篇博客不仅得到了 Karpathy 的高度评价，还为理解注意力机制提供了一个全新的框架。 Karpathy 曾经这样描述神经网络的计算图：“广度是免费的，深度是昂贵的”。这一观点正是 Transformer 的核心灵感来源。作者提到，早在 Neura...

随着多模态大语言模型（MLLMs）的迅速发展，对齐算法的研究变得尤为重要。本文通过万字长文系统性回顾了多模态LLM中的对齐算法，从应用场景、数据集构建、评估方法到未来发展方向进行了全面梳理。 应用场景与代表性方法 文章介绍了多模态大语言模型的应用场景，分为三大层次：通用图像理解、多图像、视频和音频处理以及扩展应用。在通用图像理解方面，主要集中在减少幻觉并提升对话和推理能力；多图像和视频任务则通过不同的架构和训练方法来处理复杂数据，减少幻觉并提高模型能力；扩展应用包括医学、数学推理和安全系统...

整理后的 #（由多段落组成） 2021年9月，吉姆·兰佐内接手了一家曾经象征互联网进取精神的公司——雅虎。然而，多年来，这家公司逐渐沦为业界的笑柄。许多人认为兰佐内接任雅虎CEO一职的成功几率几乎为零。福布斯撰稿人乔治·布拉特甚至直言：“很难想象还有谁会愿意接手这个职位。”然而，兰佐内却看到了不同的前景。在他眼中，雅虎是一颗被低估的宝石。 兰佐内指出，如果忽略“雅虎”这个名字，仅看其2021年的业务状况，就会发现这是一家拥有数十亿美元收入的企业。他并没有沉溺于过去搜索领域的辉煌，而是专注于改进现有的业务...

（由多段落组成） 在三维空间理解任务中，让视觉语言模型生成合理且符合物理规则的场景布局仍是一项挑战。例如，“请将这些家具合理摆放在房间中”，尽管现有模型可以识别图像中的物体并给出语义连贯的描述，但通常缺乏对三维空间结构的真实建模，难以满足基本的物理约束与功能合理性。 为解决这一问题，研究者尝试采用多智能体交互方法优化布局结果。然而，这类方法不仅计算成本高，而且容易陷入死锁。另一类方法通过构建大规模真实房间布局的描述语料，结合监督微调（Supervised Fine-Tuning, SFT）训练模型。虽然这种方式...