UC伯克利

睡觉也在卷！伯克利Letta新作「睡眠时计算」让推理效率飙升

作者

UC伯克利研究者提出”睡眠时计算”技术，让AI模型在空闲时间提前思考，从而提升推理效率。通过减少测试时计算量和降低查询成本，模型可在保持准确率的同时，大幅减少资源消耗。

不要思考过程，推理模型能力能够更强丨UC伯克利等最新研究

作者

UC伯克利和艾伦实验室团队提出了一种新的推理方法NoThinking，通过简单的prompt直接让模型生成最终解决方案，无需显式的思考过程。结果显示，在低资源情况下，NoThinking方法在多个任务上的表现优于传统Thinking方法，并且具有更高的效率。

英伟达开源「描述一切」模型，拿下7个基准SOTA

作者

研究提出「描述一切模型」(DAM)，能生成图像或视频中特定区域的详细描述。用户可通过点、框等方式指定区域，DAM则提供丰富的上下文描述。此模型在多个任务中均表现优异，并支持多粒度输出。

直逼DeepSeek-R1-32B，碾压李飞飞s1！UC伯克利等开源全新SOTA推理模型

作者

OpenThinker-32B 是由斯坦福、UC伯克利等机构联合发布的 SOTA 级推理模型，仅需 1/8 数据就与 DeepSeek-R1 达成同等性能。项目使用精心选择的验证数据集，并通过数据规模化、推理过程验证和模型规模扩展的方法实现。