月度归档： 2025 年 4 月

生数科技全栈 AI 视频和音频生成工具 不需要声音人 AIGC内容生成的新阶段

作者

生数科技Vidu Q1发布，支持仅两张图片和一段文本提示生成高清5秒1080p视频，并提供高保真音效功能，支持精细化时间控制和多段音效叠加。该模型在提示词保真度、帧连贯性及渲染效率上表现突出，成本低至每秒0.3元。

Transformer原作、斯坦福、清华交大三篇论文共识：基座模型边界锁死RL能力上限

作者

MLNLP社区是国内外知名的人工智能社区，致力于促进学术交流。该领域内的三篇论文讨论了强化学习在大模型训练中的作用，并指出模型的推理能力大部分已在预训练阶段形成，RL更多起到优化选择路径的作用。

文末送书 全网催更的大模型爆款书《从零构建大模型》，中文版来了！

作者

《Build a Large Language Model (From Scratch)》是一本能教会普通开发者构建、训练和微调自己的大语言模型的实用指南。本书不仅解释了LLM理论及其未来，还提供了一套操作性强的路线图。作者深入浅出地讲解了从数据准备到模型部署的所有步骤，并新增了对DeepSeek模型的深度解析。

比真实还要真实：真实边缘

作者

真实边缘更新到3.2，又增加了很多艺术风格。清新自然的优雅瞬间、传统服饰人物与棕榈树夜景、图片展示了一个人正在室内铺设瓷砖的楼梯上行走、雨天窗边的阅读时光、时尚几何：黑白图案单肩礼服造型、都市花漾（照片中的年轻女性特写）、繁花与鹦鹉环绕的优雅女性肖像。

将论文自动转换为可运行的代码Paper2Code，Kimi开源音频基础模型，DeepWiki为github项目创建深度分析

作者

Paper2Code 是一个多智能体系统，将机器学习论文转换为可运行的代码仓库；Kimi-Audio 是一个开源音频模型，擅长理解、生成和对话任务；LangGraph WhatsApp Agent 利用 LangGraph 和 Twilio 构建 AI 代理处理 WhatsApp 消息；Trackers 是一个统一库，提供多种目标追踪算法与不同对象检测器集成；DeepWiki 利用 AI 自动生成 GitHub 代码仓库的交互式深度文档。