GAIR Live
顶会专区
热门文章
LLM
万字解读:为何长上下文治不了多模态 AI 的「健忘症」?丨GAIR Live 031
“多模态长记忆在「看得准、找得到、想得清」三大环节的底层逻辑与工程避坑指南。” 作者丨小雷哥 编辑丨岑峰 过去一年,的大模型技术演进中,“长上下文”成为了资本与技术角力的暴风眼。 从 128K 到 1M,再到号称“无限长”的窗口,数字的跳跃给用户带来了一种“AI 已经博闻强识”的错觉。但行业内一直存在一个巨大的认知盲区:拥有超长上下文,是否等同于拥有了可靠的长程记忆? 多模态长程记忆,究竟是通往“数字生命”的最后一块拼图,还是目前技术架构下难以逾越的雷区? 本期 GAIR Live 线上圆桌邀请到了两位极具代表性的专家: 任玺谕 香港科技大学博士生、全球首个多模态长记忆评测标准 MemLens 主导作者; 张源 丘脑智能 CEO、Omni-Mem 框架负责人 他们一位手持“最严苛的尺子”对全球 27 个顶级模型进行了深度体检,一位在长程记忆的产业一线,总结出了最真实的实战药方。在这场硬核对话中,他们拆解了多模态长记忆落地的三道生死关:看得准、找得到、想得清。 “看得准”:从 Caption 转向“证据指纹”的范式重构 讨论指出,目前主流的...
LLM
具身导航,感知推理到底是「上帝」,还是执行控制是「命门」?| GAIR Live 023
从“几何路径规划”到“空间智能”,具身智能正在经历史诗级范式跃迁。 作者丨岑峰 如果说大语言模型(LLM)的爆发赋予了 AI 思考的“灵魂”,那么具身智能(Embodied AI)的崛起则是要为 AI 打造一副可以感知、行动并改变物理世界的“身体”。在这一进程中,导航技术作为机器人触达环境的第一步,正经历着从传统的“几何路径规划”向“空间智能”的史诗级范式跃迁。 当下的具身导航早已超越了简单的 A 点到 B 点的避障。随着三维视觉、神经渲染(NeRF/3DGS)以及端到端(End-to-End)智驾经验的深度融合,机器人的“眼睛”越来越亮,“腿脚”也愈发灵巧。 这背后隐藏着一场技术范式之争:具身导航的命门,究竟在于大脑的空间理解与常识推理,还是在于肢体在物理世界中的精密执行与安全反馈? 本期 GAIR Live 邀请到了两位极具代表性的跨界专家 — — 浙江大学百人计划研究员彭思达博士与具身多模态大模型算法专家郝孝帅博士。彭思达博士深耕三维视觉与神经渲染(如 3DGS、NeRF),代表着具身智能的“眼睛”与空间大脑;郝孝帅博士作为全球首个跨域具身大模型...
LLM
港大赵恒爽团队论文:让扩散模型既拿高分又不「作弊」丨CVPR 2026
GDRO:一种通过组级奖励排序优化扩散模型生成能力的后训练方法。 作者丨郑佳美 编辑丨岑 峰 现如今,扩散模型已经成为当前图像生成领域的核心技术之一。从文本生成图像到复杂视觉内容合成,这类模型已经能够生成高度逼真的画面。然而,在真实应用场景中,人们对生成模型的要求并不仅仅是“生成逼真图像”,而是希望模型能够严格按照提示完成特定任务。 例如,在要求生成包含指定文字的图像时,模型可能 simply 将文字放大到占据画面大部分区域,从而轻松获得 OCR 系统的高分,而在需要生成多个对象的任务中,模型也可能通过极度简化场景结构来满足评分规则。这种现象通常被称为“奖励作弊”,已经成为当前生成模型对齐研究中的一个重要挑战。 为了解决这一问题,近年来一些研究开始尝试利用强化学习或奖励机制对扩散模型进行后训练,希望通过奖励信号引导模型生成更加符合任务要求的内容。然而实践中逐渐发现,这种方法容易带来一个新的问题:模型可能学会迎合评价指标,而不是理解任务本身。 在这样的研究背景下,香港大学赵恒爽团队提出了一种新的扩散模型后训练方法,并在论文《GDRO: Group-level Reward...
LLM
计算所程学旗团队:随机剪枝 AI 攻击策略,让对抗样本更具「通用攻击力」丨CVPR 2026
RaPA :一种提升深度模型跨架构误导能力的新方法。 作者丨郑佳美 编辑丨岑 峰 随着深度学习技术在计算机视觉领域的快速发展,神经网络模型已经在自动驾驶、智能安防、医疗影像分析以及智能终端等关键场景中得到广泛应用。例如,在自动驾驶系统中,视觉模型需要识别道路标志和行人;在智能安防系统中,人脸识别模型被用于身份验证;在医疗影像分析中,深度学习模型可以辅助医生识别疾病特征。然而,近年来的研究不断表明,这些高性能模型在安全性方面仍然存在明显隐患。其中,对抗样本问题被认为是深度学习系统面临的最重要安全挑战之一。例如,通过在一张交通标志图像上加入人类几乎无法察觉的微小扰动,自动驾驶系统可能会把"限速标志"误判为"停止标志";在人脸识别系统中,只需在图像中加入细微噪声,就可能使模型将一个人误识别为另一个人。这些微小的输入变化却能导致模型产生完全错误的预测,这种现象不仅揭示了深度神经网络在决策边界上的脆弱性,也对现实系统的安全性提出了严峻挑战。在众多对抗攻击研究方向中,迁移攻击(Transfer-based...
LLM
对话李笛:异构多智能体,让 AI 学会真正的「群体思考」
基础大模型仍会是未来的中流砥柱,但异构多智能体才是AI行业的真正未来。 作者丨成仲轩 编辑丨董子博 “我会觉得更容易去做我想做的事情”,在被问到创立 Nextie(明日新程)后的最大感受时,李笛淡然一笑,“让 AI 能真正跟人类打交道,是我们的希望”。 作为“小冰之父”,李笛在 2013 年加入微软,主导创立了微软人工智能情感计算框架,并在次年(2014 年)与技术搭档景鲲共同打造出情感聊天机器人 — — 小冰。虽然不是技术出身,但凭借敏锐的产品嗅觉与对用户需求的深刻理解,李笛依旧将小冰带到全新的高度,并在 2020 年小冰分拆独立后担任 CEO。不过,来自内部的诸多矛盾,最终促使他离开小冰。但如今已经另起炉灶的他,无疑可以将更多时间与精力用于自己想做的事情。 什么是李笛真正想做的事情? 群体智能,尤其是异构多智能体。 在李笛看来,相比会陷入同质化内卷的大模型,AI 行业在未来会收敛到应用层,最小单元就是 Agent。不过,当你真正去做 Agent 时,会发现一个 Agent...
热门视频
人气专家


