机器之心

白铂 博士，华为 2012 实验室理论研究部主任 信息论首席科学家 引言 本篇是《大模型的第一性原理》系列解读文章的第二篇（点击回顾第一篇），我们将从信号处理的角度解读原论文[1]。重点探讨语义向量化

谷歌世界模型，再一次惊艳了所有人！ 今天一早，谷歌 DeepMind 开放了世界模型 Genie 3 的实验性研究原型「Project Genie」，允许用户创建、编辑并探索虚拟世界。 在世界模型 G

扩散语言模型（Diffusion LLMs, dLLMs）因支持「任意顺序生成」和并行解码而备受瞩目。直觉上，打破传统自回归（AR）「从左到右」的束缚，理应赋予模型更广阔的解空间，从而在数学、代码等复

一个机器人到底需要多「聪明」，你才愿意把它请进家门？ 前段时间，明星具身智能公司 1X 开始预售其人形机器人 Neo。演示视频中，它能从冰箱取水、叠衣服、把餐具放进洗碗机，俨然一个称职的家务助手。 但

嘿！DeepSeek 又更新了！ 这次是更新了十月份推出的 DeepSeek-OCR 模型（参见：太强了！DeepSeek 刚刚开源新模型，用视觉方式压缩一切）。 当时 DeepSeek-OCR 的出

1 月 26 日深夜，阿里千问旗舰推理模型 Qwen3-Max-Thinking 正式上线。 该模型在科学知识（GPQA Diamond）、数学推理（IMO-AnswerBench）、代码编程（Liv

在大模型快速迭代的背景下，语音交互正从「语音转文本（ASR）— 文本理解 — 文本转语音（TTS」的串联式架构，逐步走向端到端的实时语音生成。这一转变不仅关系到延迟和自然度，也直接影响语音系统在真实生

谷歌 2017 年提出的 Transformer 架构事实上已经基本垄断了大模型。 不采用 Transformer 架构的大模型已经是少之又少，而采用非 Transformer 架构，还能与主流第一梯

现在的 AI 编程领域，什么概念最热？毫无疑问是 Skill。 在 X 上，一些分享 Skill 的帖子轻轻松松就能获得数十万的浏览量