AutoMat团队 投稿 量子位 | 公众号 QbitAI 它相当于一位精准的"地图翻译官"，把原子级 STEM 图像自动转成标准 CIF 结构，并一步到位给出形成能等关键物性。 过去的人工流程被缩短到几分钟，真正打通了"显微成像 → 结构重建 → 性质预测"的断层。 此外，团队还专门构建了二维材料数据集 STEM2Mat‑Bench（450 余个样本）进行验证—选择二维材料是因为其单层结构减少多重散射与投 影歧义，更便于精确成像与评测。 AI Agent又解锁了一个领域！ 清华大学牵头，与西北工业大学以及上海AI lab等机构推出了电镜领域的AI agent—— AutoMat 。 结果显示，AutoMat在重建精度与能量预测上全面超越现有多模态大模型与AtomAI等专用工具，首次让"看到原子"真正等同于"理解材料"，为 材料发现和实验流程的自动化闭环开启了高速通道。 电镜领域的AI Agent 电子显微技术的快速发展已达到亚原子级的成像效果，但解析表征图像的原子结构仍然需要专家逐像素判读、手动建模，对应模板结构，这样 才能得到可供计算的晶体结构文件，这一过程往往耗时数小时甚至数天，还容易因噪声或元素重叠出 ...

西风 闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 与OpenAI分道扬镳后，Figure 02开启日夜进厂打工模式。 这不，创始人刚刚放出 最新监工视频 。它干 快 递分 拣员 的活儿，愈发得心应手了。 只见它把快递逐个码放整齐，让条形码朝下，方便扫描仪识别。 碰到纸片型快递，翻面操作也轻松拿捏： 它还懂得把快递整理得更平整，瞅见红色充气快递，也不盲目按压，直接放行： 翻箱子的动作那叫一个丝滑，网友看后直呼手部动作真是太像人了： 即便快递压在下面，它也能抽出来，虽说捏了好几下才成功： 关键这一连串操作， 完全是由端到端通用控制模型Helix自主驱动 。 Figure创始人兼CEO Brett Adcock放出的这段视频，直接打脸一位网友的质疑。 起因是在放出这段视频之前，Brett Adcock发推文称Helix在物流场景有大幅改进，迫不及待要展示新内容。 结果一位AI质疑者在评论区放话："包裹随机变化的情况下，这绝对行不通"。 没想到，这话刚说没几个小时，Brett Adcock就甩出最新视频。 网友纷纷表示Helix加持的Figure 02最新表现令人印象深刻。 它的动作非常流畅自然。头部微微的 ...

克雷西 发自 凹非寺 量子位 | 公众号 QbitAI 谷歌CEO劈柴哥还发了一张AI合成的狮子照片，配文一个"Gemini"，暗示了新模型的实力。 没等来o3 Pro和GPT-5，隔壁谷歌的Gemini先更新了。 深夜，谷歌通过等多个账号同时官宣， Gemini 2.5 Pro再次推出新版本 （0605）。 新版本在代码、推理等任务上的表现更上一层楼， 在超难数据集"人类最后的考试"中以21.6%的成绩超过了o3 。 在大模型竞技场上，新版Gemini也超越了自己， Elo评分比上个月的版本提升了24分 。 | ഗ്ര Text | | | 1 7 hours ago | | --- | --- | --- | --- | | Rank (UB) ↑ | Model ↑↓ | Score 1J | Votes 1↓ | | 1 | G gemini-2.5-pro-preview-06-05 | 1470 | 4,701 | | 2 | G gemini-2.5-pro-preview-05-06 | 1446 | 10,386 | | 2 | இ o3-2025-04-16 | 1443 | 13,808 ...

DeepTheorem团队 投稿 量子位 | 公众号 QbitAI 12.1万道IMO级难度数学"特训题"，让AI学会像人类一样 推导数学证明 ！ "特训"过后，模型定理证明性能大涨 ，7B模型性能比肩或超越现有的开源模型和Claude3.7等商业模型 。 "特训题"为 Deep Theore m ，是首个基于自然语言的数学定理证明框架与数据集，由腾讯AI Lab与上海交大团队联合推出。 团队表示，定理证明是数学前沿的重要组成部分，但当前大语言模型 （LLM） 在数学推理，特别是通过强化学习 （RL） 进行训练时，往往 需要可以自动验证的答案，导致大模型无法像数学家那样通过自然语言进行定理证明。 图（b）展示经过强化学习训练的DeepTheorem-7B模型性能，比肩或超越现有的开源模型和商业模型 （Gemini2.0-flash， Qwen2.5-72B- Instruct， Claude3.7 等 ） ，仅次于o1、o3以及Gemini2.5-pro强推理模型。 DeepTheorem-121K 1、规模与难度：专为"极限挑战"而生 DeepTheorem训练集的显著特点是其大规模与高难度。其包含121K ...

STA团队 投稿 量子位 | 公众号 QbitAI ACL 2025中选论文中，来自浙江大学与腾讯的联合团队提出了新思路： Steering Target Atoms （STA），尝试为大模型注入"行为定向 剂"，助力对模型行为的精准调控，为构建既聪明又听话的AI打下基础。 该方法通过"原子级"粒度对大模型进行行为编辑干预，实现了更鲁棒、更安全的生成控制。 在Gemma和LLaMA系列模型上的实验表明，STA方法能够有效抑制越狱攻击带来的违规输出，同时不削弱模型在正常问题回答中的高质量智 能表现。 方法&实验结果 大模型行为控制的挑战与突破 在参数训练完成后，很多应用场景会需要在推理阶段调整模型的特定行为，例如让模型拒绝用户的恶意请求。 然而，模型的"安全防御"能力往往和它的"通用智能"能力紧密耦合：为了让模型学会拒绝有害输入，可能会不小心削弱它对正常问题的应对能 力。 如果你面前有两个AI助手：一个能力超强却总爱"离经叛道"，另一个规规矩矩却经常"答非所问"，你会怎么选？ 这正是当前大模型控制面临的两难困境：要么模型聪明却难以约束，要么守规矩却缺乏实用性。但我们真正追求的，并不是在"聪明但难 控"与"听话但 ...

以下文章来源于量子位智库 ，作者量子位智库 量子位智库 . 连接AI创新，提供产业研究 量子位智库 发自 凹非寺 量子位 | 公众号 QbitAI 如果要问近期最火热的AI硬件品类是什么， AI眼镜 一定榜上有名。 从Ray-Ban Meta的销量屡破上限，到雷鸟V3的火热开卖，再到凭借演讲提词功能出圈的 Rokid Glasses，及「李书福同款」的StarV Air2，不同配置、不同功能的AI眼镜产品层出 不穷。 大模型改写智能眼镜进程：AI眼镜站上风口 报告中研究的AI眼镜，主要指接入大语言模型或多模态模型，具备语音交互、图像识别、信 息显示等典型功能的智能眼镜。随着AI大模型、AR显示、微型传感与边缘计算的融合突破， AI眼镜正以更成熟的姿态进入大众视野。 「百镜大战」序幕拉开，第一批量产商用接受市场检验 我们可以看到，AI眼镜逐渐从场景佩戴转向追求全天候佩戴，产品受众也逐渐从科技发烧友 扩展到更大众化的用户。 随着AI眼镜供给侧与需求侧的双向火热，今年以来，「百镜大战」的言论不绝于耳。但实际 上截至目前，现货交付的AI眼镜产品仍寥寥无几。 百镜大战是否名不副实？AI眼镜市场现状到底是什么样的？具备哪 ...

梦晨 发自 凹非寺 量子位 | 公众号 QbitAI 近期arxiv最热门论文， Qwen&清华LeapLab 团队最新成果： 在强化学习训练大模型推理能力时， 仅仅20%的高熵token就能撑起整个训练效果 ，甚至比用全部token训练还要好。 团队用这个发现在Qwen3-32B上创造了新的SOTA记录：AIME'24上达到63.5分，AIME'25上达到56.7分， 这是600B参数以下直接从base模型训练的最高分。 最大响应长度从20k延长到29k，AIME'24的分数更是飙升到了68.1分。 揭开Chain-of-Thought的熵分布密码 要理解这项研究，需要先从一个有趣的观察说起： 团队发现，当大模型进行链式思考（Chain-of-Thought）推理时，token的熵分布呈现出一个独特的模式： 大部分token的熵都很低，只有少 数token表现出高熵特征 。 具体来说，超过50%的token熵值低于0.01，而只有20%的token熵值大于0.672。 经典的二八法则（或帕累托法则）指出，通常80%的结果由20%的关键因素驱动，但剩下80%也是不能轻易舍弃的。 但是在大模型强化学习这里，80 ...

MMLab@NTU团队 投稿 量子位 | 公众号 QbitAI 图像生成已经"卷"入日常，视频生成也不再是最初的"抖动幻影"，而是跃升为能够讲故事、控制动作、进行较长时推理的高质量动态内容。 视频生成是否能成为通往世界模型的桥梁？ 它是否具备成为可执行、可交互、可推理的智能中枢？ 它是否正在走向支撑具身智能（Embodied Intelligence）的核心能力？ 这些问题将在 CVPR 2025 Tutorial 《From Video Generation to World Models – 从视频生成到世界模型》中深入探讨。 如何将视频生成作为强大的视觉先验，赋能 AI 感知世界、理解交互、推理物理，从而迈向更通用、更具具身智能能力的世界模型。 本Tutorial（教程）汇聚来自学术界与产业界的一线研究者： 他们将在生成建模、3D理解、强化学习与物理推理等方向展开分享，探讨如何将生成能力转化为感知、预测与决策的智能基座。 日程安排一览（CVPR 2025 ｜6 月 11 日） | Time (GMT-5) | Programme | | --- | --- | | 09:20 - 09:30 | Ope ...

比如编码器容量有限，难以处理密集的多视角输入。 而 ZPressor ，一种即插即用的轻量级模块——可以无缝集成到现有的前馈3DGS模型中，增强模型密集视角扩展性和性能。 在36个输入视图下提升4.65dB，推理时间减少70%，显存占用减少80%，并拓展可输入的视图数目到接近500个。 ZIP Lab和Monash团队 投稿 量子位 | 公众号 QbitAI 在增强现实（AR）和虚拟现实（VR）等前沿应用领域，新视角合成 （Novel View Synthesis，NVS） 正扮演着越来越关键的角色。3D高 斯泼溅 （3D Gaussian Splatting，3DGS） 凭借其革命性的实时渲染能力和卓越的视觉质量，迅速成为NVS领域备受关注的技术方案。 现有的前馈3D高斯泼溅 （Feed-Forward 3D Gaussian Splatting，3DGS） 模型，虽然在实时渲染和高效生成3D场景方面取得了显著进 展，但仍存在一些关键缺陷。 信息过载：前馈3DGS的"甜蜜负担" 深入分析现有前馈3DGS模型的架构，可以发现其核心症结在于编码器容量的有限性。 当输入视图变得密集时，编码器难以有效处理随之而来的 ...

AI爆改视频可以有多夸张？ 这么抽象的"过家家"小船，AI直接给原地飞升为在汹涌海浪中前行的帆船。 不仅画面精细、大片视效果，还保留了原视频的动作运镜。 鹭羽 明敏 发自 凹非寺 量子位 | 公众号 QbitAI 或者是进行风格迁移，"给手部扫个X光"。 动作、位置都与原视频几乎一致。 这感觉，自己在家就能当导演手搓CG大片了。 还要什么动捕、建模、特效渲染啊，AI直接全部搞定。 △ 康伯巴奇如何"成为"史矛革巨龙 这就是AI视频模型最新玩法， Modify Video ，直译就是改造视频，由 Luma AI 推出。 它能 重新"想象" 任何视频，类似于人类拍个草稿，AI负责搞定你想要的各种后期视效。 最关键是能对角色、场景、动作进行精准控制，只编辑你想编辑的元素，不会篡改本来的人物动作。 背着孩子骑大马，现在也能秒变驯龙高手。 要知道，现在很多AI视频生成模型都被诟病不受控制，容易让生成的人物、物体动作诡异或者不符合物理规律。 △ 右边为runway效果，人物凭空产生一件夹克 一经发布，这个玩法就在推特火了。 大家在惊呼amazing同时，也自己试玩了一把，效果确实非常nice。 先看下面这个小哥，本来在停 ...