腾讯研究院AI速递 20250506

360影视 欧美动漫 2025-05-06 08:01 2

摘要:DeepSeek-Prover-V2推出671B和7B模型,用递归+强化学习提升数学推理能力,创造多项新纪录;

生成式AI

一、 DeepSeek-Prover-V2加冕数学王者!671B数学推理逆天狂飙

1. DeepSeek-Prover-V2推出671B和7B模型,用递归+强化学习提升数学推理能力,创造多项新纪录;2. 采用DeepSeek-V3分解定理+GRPO算法优化,结合冷启动训练实现非形式化与形式化推理统一;3. 在本科级测试表现优异,7B模型展现独特基数处理能力。

二、 继MCP后Anthropic 推出全新整合功能,Claude再添连接利器

1. Anthropic发布Claude整合功能(Integrations),基于MCP协议实现与多种应用的无缝连接,支持Jira等10个热门服务;

2. Claude新增研究能力,可在5-45分钟内完成复杂调研,支持多数据源查询并标明出处;

3. 新功能目前在Max、Team和Enterprise计划测试,将扩展至Pro计划,全球付费用户已可使用Web搜索。

三、 Google 爆款 AI 产品终于支持中文!儿化音贼溜,AI地道京腔

1. NotebookLM支持50种语言生成播客,语音地道,擅长模拟京腔等本地口音;

2. 产品将文本转化为轻松对谈,摆脱AI语音生硬感,由Google产品经理Martin和编辑Johnson主导;

3. 具备资料溯源功能,可处理2500万字内容,标注引用来源并加入音频水印。

四、 小扎放大招:Meta推出全新AI应用,对标ChatGPT,联动AI眼镜

1. Meta推出独立AI应用对标ChatGPT,可通过用户社交数据实现个性化服务,包含发现信息流功能;

2. 应用与Meta社交产品矩阵打通,支持语音交互和图像生成,在美加等地区首批开放;

3. 软件与Meta AI眼镜深度整合,扎克伯格预测未来眼镜将全面智能化,全息影像将取代实体屏幕。

五、 苹果与Anthropic联手打造“氛围编程”软件平台,内部代码编写

1. 苹果与Anthropic合作开发"氛围编程"软件平台,将基于Claude Sonnet模型,用于代码编写和测试;

2. 该平台为Xcode新版本,目前仅计划内部使用,此前苹果自研AI编程工具因精度不足未发布;

3. 苹果正构建AI合作网络,此前已与OpenAI合作整合ChatGPT,并考虑引入谷歌Gemini作为备选。

六、 一致性新高度,不仅角色,实测Midjourney Omni-Reference

1. Midjourney推出Omni-Reference全向参考功能,通过--oref和--ow参数,实现人物、物体、场景等主体的超高一致性;

2. 相比4o和Lora模型,Omni-Reference只需一张参考图即可保持细节迁移和风格统一,兼顾效果和使用门槛;

3. 新功能不仅支持真人写实、动漫风格,还能实现机械体、装置物等复杂物体的多角度一致性呈现。

七、 期货兑现,从入门到高阶创意!Runway参考图12种玩法全解密

1. Runway参考功能支持多角色参考、风格迁移等广泛应用,无需反复调参即可实现角色一致性生成;

2. Gen-4模型支持类ChatGPT的自然语言提示,能理解复杂语义,可用于黑白照片着色、室内设计、物体替换等12种创意应用;

3. 该功能具备强大的图像识别和分析能力,能实现服饰展示、风格迁移等高级应用,建议通过逐步迭代提升生成质量。

前沿科技

八、 全球首个AI科学家天团出道!碾压人类博士,生化环材圈巨震

1. FutureHouse推出四个AI科研智能体(Crow、Falcon、Owl、Phoenix),在文献搜索精度和准确性方面超越GPT-4.5等顶级模型及人类博士;

2. 这些AI智能体可访问完整科学文献全文,具备信息质量评估能力,能透明展示推理过程,提供API集成;

3. AI科学家团队已应用于疾病机制研究、文献矛盾梳理、实验方法分析等领域,可显著提升科研效率,缩短研究周期。

报告观点

九、 AGI失控率>90%,MIT教授算出「康普顿常数」,AI要夺权地球?

1. MIT研究显示:即使采用最理想的监督机制,人类成功控制超级智能的概率仅为52%,AI失控风险可能超过90%;

2. 研究提出"康普顿常数"概念,通过四种博弈场景(黑手党、辩论、后门代码、战争游戏)验证了嵌套可扩展监督机制的有效性与局限性;

3. 随着AI智能水平提升,监督难度增大,Guard获胜概率持续下降,这表明人类最终可能难以控制超级智能AI系统。

十、 具身智能独角兽PI联创:人们低估了运动控制中蕴含的智能

1. Physical Intelligence创始人强调收集多样化机器人数据的重要性,认为机器人要在现实世界中有效运作必须具备适应不同环境的能力,而不是局限于单一应用场景;

2. 专家低估了运动控制中蕴含的智能,机器人需要从自身物理体验中学习,而不仅仅依靠观察数据,因为运动控制涉及复杂的身体协调;

3. 未来机器人形态可能呈现"寒武纪大爆发"式的多样化,针对不同场景可能出现专门的机器人设计,而不会只有单一的统一形态。

来源:腾讯研究院

相关推荐