🔥51CTO热榜：2025-03-03

在现实世界中，AI 能够根据自然语言指令执行目标检测，对人机交互至关重要。过去的研究主要集中在视觉指引（Visual Grounding）。

这项研究证明了足够规模的 LLM 确实具有知识意识（awareness of knowledge），即能够知晓自己的知识范围。你认为这是否暗示了 LLM 存在自我意识呢？

DeepSeek和xAI相继用R1和Grok-3证明：预训练Scaling Law不是OpenAI的护城河。将来95%的算力将用在推理，而不是现在的训练和推理各50%。OpenAI前途不明，生死难料！

Phantom在主体一致性保持方面取得了突破性进展，不仅支持多主体，还能同时保持主体的完整性。

在开发者最喜欢的Cursor中，偷偷将OpenAI模型换成自己，关键是人类给出的指示跟这完全没关系。

DeepSeek官方亲自揭秘了DeepSeek-V3/R1推理系统。

DeepSeek公开推理系统架构，成本利润率可达545%！明天还有更大惊喜吗？

如果说神经网络模型的设计是神经网络的核心，那么反向传播算法就是神经网络模型的核心。

今天大姚将为大家分享5种在微信中使用DeepSeek的方法，帮助大家更好地利用这一工具，提升工作和学习效率。无论是处理文档、管理知识，还是进行深度搜索和思考，这些方法都将为你带来全新的体验。

最近，OpenAI的研究团队在采访中表示，全新的Deep Research功能，可以为你节省几个小时甚至几天的时间！

GPT-4.5上线一天，已经引起了集体群嘲：这个模型彻头彻尾失败了，OpenAI已经陷入严重困境，失去护城河！有人算出，GPT-4.5比DeepSeek V3贵了500倍，性能却更差。有的权威AI预测者看完GPT-4.5，气得直接把AGI预测时间推后了……当然了，OpenAI并不这么认为。

小红书联合中国科学技术大学给出了解决方案，仅用 1.44M 参数量实现了通用 AI 图片检测，在 33 个测试子集上达到 96.7% 的准确率，超 SOTA 模型 4.5 个百分点。这项研究目前已经被 KDD 2025 接收。

通过 Java 动态编译与运行时热加载技术，我们不仅能够在不重启应用的情况下迅速测试代码变更，还能够更高效地开发插件式架构、动态脚本执行等应用场景。

作者们提出了 “逆向思维”（reverse thinking）的概念，即通过提示 LLMs 自我识别哪些质量标准对其性能有益，来指导数据选择。

通过使用图论算法，我们可以将运输网络建模为一个图，其中节点代表城市或仓库，边代表连接这些地点的道路或航线。然后，我们可以通过各种图论算法来寻找最优路径。

近期，来自东方理工大学、香港理工大学和上海交通大学的研究团队提出了一种新的模态对齐范式 —— 语境对齐（Context-Alignment）。

缓存击穿和缓存穿透是 Redis 中两个常见的高频面试问题，但又很容易搞混二者的定义，我们通过学习本文的内容，相信可以彻底的区分二者的定义。

在实际应用中，你可以根据具体需求对这个模板进行调整和扩展。例如，在处理网络数据包时，可以创建一个MemoryPool来复用字节数组，避免频繁的内存分配和释放。

DiffUCD 提出了一种创新的无监督高光谱影像变化检测（HSI-CD）方法，利用语义相关性扩散模型（SCDM）和跨时间对比学习（CTCL），在无需标注的情况下提高检测精度，在多个基准数据集上超越现有方法。

核心思想：遵循“冗余法则”，通过集群化实现高可用，避免单点故障。a.单机高可用不存在：单机无法冗余，高可用必须依赖集群。b.复杂度本质：冗余带来的复杂性，包括状态同步、故障切换、数据一致性等。

历史热榜