AIDC
DC AI 热点

全部 AI 动态

9月25日2026-09-25
AITNT · AI头条(网页)✦ 精选AI 评分 65/10018:38

云端工作空间Agent Space支持接入前沿大模型与本地智能体工具

Agent Space是一款汇集顶尖Agent的云端工作空间平台。该平台支持Claude Code、CodeX、OpenCode等本地开发工具接入云端运行,并提供Opus 5.5以及GPT-6系列等前沿模型的调用能力。用户订阅额度可同步至本地Agent环境使用,有效整合了云端算力与本地工具流,进一步降低了前沿AI模型的使用与部署门槛。

阅读原文 ↗推荐理由:介绍了聚合顶级AI模型与本地Agent开发工具的云端工作空间产品动态。# 智能体# AI编程# 大模型
AITNT · AI头条(网页)✦ 精选AI 评分 75/10010:14

科大讯飞发布全国产算力训练语音识别大模型Spark-ASR-2.0

科大讯飞推出基于全国产算力训练的语音识别大模型Spark-ASR-2.0,该模型依托语音基座大模型Spark-Audio-1.0-Preview构建。新版本在方言免切换识别、嘈杂环境应对、上下文纠错以及口语书面化规范等方面实现显著提升,同时整体推理成本较上一代仅增加10%。目前,该模型已落地讯飞输入法,并通过讯飞开放平台对外提供API服务。

阅读原文 ↗推荐理由:科大讯飞基于全国产算力推出新一代语音识别大模型,在上下文理解与低成本推理上实现重要升级并已开放落地。# 科大讯飞# 语音# 算力# 大模型
AITNT · AI头条(网页)✦ 精选AI 评分 68/10010:12

斑马智能发布面向智能终端的全模态端侧大模型AutoOmni 2.0

在2026云栖大会上,斑马智能正式发布了面向智能终端的全模态端侧大模型AutoOmni 2.0-23B-A3B。斑马智能提出,智能汽车是具身智能规模最大的中试场,将推动智能终端成为生成与处理Token的关键载体。公司强调,端侧AI基础设施的建设与成熟,将直接决定人工智能技术能否在真实物理世界中实现真正的深度落地与广泛应用。

阅读原文 ↗推荐理由:发布了聚焦智能汽车与具身智能终端的全模态端侧大模型,展现了端侧AI落地基础设施的最新探索。# 斑马智能# 大模型# 具身智能# 智能汽车# AutoOmni
AITNT · AI头条(网页)✦ 精选AI 评分 82/10010:11

华为发布昇腾950超节点,为十万亿级大模型训推提供底座

华为昇腾950超节点在华为全联接大会正式发布上市,定位为业界最大规模商用超节点。该方案通过灵衢互联、统一内存编址等关键技术创新,旨在打破算力、存储和通信三方面的技术瓶颈,解决超大规模集群互联难题,为十万亿级参数大模型的训练与推理场景提供高性能算力基础设施支撑。

阅读原文 ↗推荐理由:昇腾950超节点作为面向十万亿级大模型的大规模商用算力基础设施,展示了国产智算集群技术的重大突破。# 华为# 昇腾# 超节点# 算力# 大模型
AITNT · AI头条(网页)✦ 精选AI 评分 75/10010:11

诺因发布生成式学习框架GLOW,登顶三大具身智能榜单

诺因(Knowin)正式发布生成式学习框架GLOW。该框架凭借原生自回归架构、Harness闭环反馈系统以及RSI递归自我改进机制,在RoboDojo、LIBERO-Pro和Embodied Arena三大具身智能评测榜单中均斩获第一,性能表现超越GPT-6,推动机器人迈向“一教就会”的个性化家庭服务应用场景。

阅读原文 ↗推荐理由:展示了结合自回归与闭环反馈的具身智能新架构在多个基准测试中的领先表现。# 具身智能# 大模型# 评测# 世界模型
AITNT · AI头条(网页)✦ 精选AI 评分 72/10010:07

北大等团队开源强化学习数据策略框架DataFlex-RL,简化模型后训练对比

随着推理模型和可验证奖励强化学习(RLVR)在后训练中的重要性日益凸显,大模型训练中的数据策略安排变得愈发关键。为此,北大DCAI团队联合中国科学院大学、上海算法创新研究院以及中关村学院开源发布了DataFlex-RL。该框架旨在解决强化学习后训练中数据策略接入繁琐及效果对比不公平等痛点,为模型训练策略的标准化与高效评测提供支持。

阅读原文 ↗推荐理由:北大联合多家机构开源针对大模型强化学习后训练的数据策略框架,提升了后训练研究的对比规范与工程效率。# 强化学习# 大模型# 开源# 北京大学# 后训练
9月24日2026-09-24
AITNT · AI头条(网页)✦ 精选AI 评分 60/10013:57

两周一次迭代且千元起步,有初创团队致力于降低大模型后训练门槛

近期后训练已成为大模型领域备受瞩目的核心议题。有企业推出低门槛的后训练服务,旨在通过两周一次的高频迭代节奏以及1000美元起的亲民价格,推动后训练技术向更广泛的开发者普及,实现“人人可用”。由于当前所获素材信息较为有限,关于该公司的具体技术路线、优化机制以及完整商业服务形态等细节,仍有待进一步披露。

阅读原文 ↗推荐理由:反映了大模型后训练技术正朝着低成本、高频迭代与平民化方向发展的趋势。# 大模型# 后训练# 微调# 模型服务# 技术普及
AITNT · AI头条(网页)✦ 精选AI 评分 78/10013:20

冻结模型权重实现Agent进化:ModularRSI探索外围机制自改进

IQuest Research 联合北京航空航天大学、曼彻斯特大学等研究团队发布了 ModularRSI。该方案探索了一种在冻结模型权重的前提下让 Agent 持续进化的新途径,其核心机制在于允许 Agent 根据自身的执行经验,动态修改并优化大模型外围的运行机制(Harness),从而实现智能体系统的持续自我改进。

阅读原文 ↗推荐理由:提出在不微调模型权重的情况下通过外围 Harness 机制实现 Agent 自我进化,为智能体工程提供了新思路。# 智能体# ModularRSI# 自我改进# 大模型