AI周刊：地表最强人形机器人发布；阿里AI多点开花；DALL-E 3免费开放

关注

原创最新推荐文章于 2026-10-26 10:32:14 发布 1k 阅读 AI 写同款· GEO 优化 ›

下一词预测（Next-token Prediction）深度解析：从 N-gram 到 GPT 的唯一目标函数下一词预测（NTP）是自回归语言模型的核心训练目标，其本质为最小化交叉熵，等价于最大似然估计。通过链式法则将序列概率分解为条件分布，模型在无监督下学习语料中真实下一个 token 的高概率输出。从n-gram到Transformer，技术演进始终围绕提升上下文建模能力与并行效率。训练时利用因果掩码实现并行前向，推理则逐token采样生成。损失函数的下降揭示了规模定律下的通用智能涌现，但模型仍受限于生成能力，无法学习逻辑或常识。该目标统一了训练、评估与推理，构成大模型发展的基石。阅读详情

B站：啥都会一点的研究生
公众号：啥都会一点的研究生

AI圈最近又发生了啥新鲜事？

中文多模态理解榜单发布

中文多模态大模型SuperCLUE-V基准的最新8月榜单已发布，该榜单评估了12个国内外具有代表性的多模态理解大模型，包括基础能力和应用能力的开放式问题评估。腾讯的混元大模型在多模态基础能力和应用能力方面以71.95的总分荣获国内第一，表现出色，仅次于海外顶尖模型GPT-4o，且优于CLaude3.5-Sonnet和Gemini-1.5-Pro。SuperCLUE的评估标准包括理解准确性、回应相关性和推理深度等，采用自动化定量评分与专家复核相结合的打分规则，确保评估的科学性和公正性。评测结果表明，国内大模型在多模态理解方面已接近海外顶尖水平

https://zhidx.com/news/42266.html

小米宣布国际版旗舰设备将整合谷歌Gemini大模型，OPPO已在海外市场推出相关AI功能

雷军近日宣布小米的国际版旗舰设备将整合谷歌的AI大模型Google Gemini，以提升设备的智能化水平。此前，小米已在国内市场推出了自家AI功能，并对小爱同学进行了全量升级，增加了自然问答、图片编辑等能力。与此同时，OPPO已经选择使用谷歌的Gemini模型，并与谷歌合作在海外市场推出了一系列生成式AI功能，例如音频和会议摘要功能，以及集成在ColorOS智能侧边栏中的AI工具箱功能

https://www.ithome.com/0/787/348.htm

阿里巴巴推出科研自动化AI助手DS Assistant

阿里巴巴近日推出了一款名为DS Assistant的AI数据科学助手，该工具基于Modelscope-Agent框架开发，能够自动化地完成从数据探索到模型评估的全流程，从而让数据科学工作变得更加简单高效。DS Assistant的核心优势在于其自动化的工作流程，用户只需提供需求，DS Assistant便能自动执行探索性数据分析、数据预处理、特征工程、模型训练和评估等步骤，大大提高了工作效率并降低了数据科学工作的门槛

https://www.pingwest.com/w/297297

阿里开源Qwen2-Math:数学推理全球第一，超越GPT-4o和Claude-3.5

阿里开源了Qwen2-Math(1.5B/7B/72B)系列，Qwen2-Math模型通过在大量数学专用语料库上的预训练，并结合指令微调模型的方法，实现了在高级数学问题解决上的突破。模型在包括国际数学奥林匹克竞赛题在内的多种数学问题上展现了出色的解决能力。在Math上的评测结果表明，最大的数学专用模型Qwen2—Math—72B—Instruct超越了最先进的模型，包括GPT-4o、Claude-3.5-Sonnet、Gemini-1.5-Pro和Llama-3.1-405B

https://qwenlm.github.io/zh/blog/qwen2-math/

阿里推出Tora，「轨迹可控版Sora」让视频生成更符合物理规律

阿里推出Tora，这是第一个面向轨迹的DiT架构，它将文本、视觉和轨迹条件同时集成在一起以生成视频。Tora的设计与DiT的可扩展性无缝契合，允许精确控制具有不同持续时间、宽高比和分辨率的视频内容。大量实验证明，Tora在实现高运动保真度方面表现出色，同时还能细致模拟物理世界的运动

https://new.qq.com/rain/a/20240806A0A46V00

阿里国际推出首个专业版Al Search，全球贸易领域的「下一个Google」

阿里国际宣布入局，带来了一款新产品。与其它所有人都不同，阿里国际的AI搜索切入了一个空百地带：涉及更多行业Know-How的深度信息搜索领域。阿里国际选择了自己最担长的「全球电商」行业，意在改变全球采购流程，使之更加直观和高效

https://mp.weixin.qq.com/s/yDf4CnzBkAwZRfMZjAe3fg

中兴星云研发大模型通过备案，号称代码生成能力达 GPT-4 水平

中兴通讯官方宣布，其研发的大模型已成功通过广东省生成式人工智能服务的备案评估。中兴星云研发大模型覆盖了软件开发生命周期中的多个阶段，包括需求分析、设计、编程和测试等，支持30多种不同场景和主流编程语言，为开发者提供了全面的智能化研发体验。该模型在代码生成能力上达到GPT-4水平，同时在单元测试的准确率和覆盖率上显著超越GPT-4 Turbo，预计可提升编码效率30%和整体研发效率10%

https://www.pingwest.com/w/297190

OpenAI向ChatGPT免费用户开放DALL-E 3模型

OpenAI宣布，ChatGPT的免费用户现在可以每天使用DALL-E 3模型生成两张图片。DALL-E 3是去年9月推出的图像生成器，之前只对ChatGPT Plus的付费订阅用户开放。用户可以直接在ChatGPT的输入框中输入指令来生成图片，但每天限制为两张，超过限制后，系统会提示用户已达到图片创建上限，并建议升级至ChatGPT Plus或次日再尝试

https://www.ithome.com/0/787/254.htm

Figure 02：地表最强人形机器人发布，OpenAI加持，已在宝马工厂投入使用（缺GIF）

Figure机器人公司发布了其新一代人形机器人Figure 02，以其16个自由度的双手、能够承受25公斤重量的能力和长达20小时的工作时长而被誉为"地表最强"。Figure 02在OpenAI的大模型支持下，实现了端到端的语音交互，提升了与人类的沟通流畅性。机器人的软硬件全部重新设计，包括6个高性能摄像头配合AI驱动的视觉系统、电池续航提升50%以上、板载计算和AI推理能力提高3倍。Figure 02已经在宝马工厂中承担起拿钢材和组装器械等工作，展示了其在劳动自动化方面的巨大潜力

https://www.qbitai.com/2024/08/175409.html

GPT-4o新版本上线：丝滑解决9.11和9.9谁大，更强更便宜

GPT-4o新版本上线，更强更便宜。能力全方位提升，ZeroEval基准测试直接跃居第一。输入和输出分别节省50%33%。token输出扩展到16k，此前支持4k。9.11和9.9谁大这个问题，也能丝滑解决。这是因为OpenAl给API中引)了结构化输出，通过JSON 模式确保模型输出符合开发者定义的结构，能让模型变得更可靠安全。最新版模型"GPT40-2024-08-06"在JSON模式评估中，得分100%

OpenAI 宣布 DevDay 开发者大会将于 10 月举行，不发布新 AI 模型，聚焦 API 和开发工具

OpenAI 宣布将在 2024 年 10 月 1 日起举办第二届年度 DevDay 开发者大会。与首届大会不同，这次活动将不会发布新的 AI 前沿模型，而是将重点放在 API 和开发工具的改进上。大会将包括研讨会、分组会议、产品演示、开发人员聚焦和晚间招待会等环节，旨在深化参与者的技术技能，探索 OpenAI 平台和 API 工具的新可能性，并讨论模型定制、验证、可转向性、扩展性等最佳实践

https://www.ithome.com/0/786/547.htm

OpenAI 承认正研发 ChatGPT 文本水印，但面临挑战

OpenAI正在研发一种文本水印技术，旨在通过微小的单词选择更改在ChatGPT生成的文本中创建不可见的水印，以便未来能够检测和识别这些文本。尽管文本水印技术在某些情况下效果显著，但它在翻译、文本改写或插入特殊字符等篡改行为面前的有效性会降低，并且可能对非英语母语使用者产生不成比例的影响。因此，OpenAI表示将谨慎推进该技术的研究，并更优先考虑开发视听内容的认证工具

https://www.ithome.com/0/786/183.htm

Adobe面向K12教育市场推出免费AI工具，增强学生创造力

Adobe推出了面向K12教育市场的免费AI工具，作为Adobe Express for Education平台的一部分，旨在提供一个安全、负责任的课堂AI工具，以鼓励学生自主学习。新功能包括创建个性化模板、图像生成、填充功能，以及MagicSchool中的Adobe Firefly AI功能，这些工具可以帮助学生将创意转化为视觉图像，并增强教案、论文和学校项目的表现力。此外，平台还将推出"生成彩页"功能，利用AI提示帮助学生设计装饰性彩页，使用多色和装饰笔刷进行创作。这些工具的推出旨在激发学生的创造力和视觉表达能力

https://www.pingwest.com/w/297196

Neuralink成功为第二位患者植入脑机芯片，马斯克称效果良好

马斯克在播客节目中宣布，其脑机接口公司Neuralink已成功将设备植入第二位患者体内，作为PRIME研究的一部分，该研究主要针对四肢瘫痪患者，旨在通过植入技术帮助他们仅用意念控制外部设备。第一位患者诺兰·阿博在植入后已能够通过思考控制电脑，尽管他后来遇到了电极信号减少的问题，但Neuralink通过调整算法恢复了设备的功能。马斯克对第二位患者的手术结果表示乐观，并计划今年为更多患者进行植入手术。他还提到与特朗普讨论减少商业监管以促进创新的事宜