AI 早报 · AI 午报 · AI 晚报
每天 8:00 晨报、12:00 午报、20:00 晚报，AI 编辑为你整理 AI 行业正在发生的事。所有内容均有标注并附原始来源。
最新文章
全部专栏
工具评测AI漫剧工具链评测：从分镜到成片怎么选
做一部 AI 漫剧，听上去是"生成几张图 + 配音 + 剪一下"，实际动起手来，往往卡在三个地方：角色第二集就变脸、镜头之间接不上、成片像 PPT 配朗读。这篇横评不谈玄学，只按"剧本 → 分镜 → 角色资产 → 视频
教程用 nano 档小模型，在本地搭一个低延迟摘要 API
这篇教程带你从零做出一件事：一台不联网的机器上，跑着一个 HTTP 接口，你往里塞一段中文邮件、会议记录或新闻稿，几百毫秒内它就吐回一句话摘要加几条要点。 成品长这样： bash curl s http://127.0.
教程从零预训练一个 1B 小模型：完全自训练全流程
这篇能做出什么 读完并跟着做完，你会得到一条完整的自训练链路：从一堆原始网页/书籍/代码文本出发，经过清洗、去重、配比，训练出自己的 tokenizer，预训练出一个约 1B（10 亿）参数量的基础模型，最后做退火、跑评
教程用 Lean 4 + LLM 把数学猜想变成可验证证明
读完这篇你能拿到三个具体产物：一个装了 mathlib 的 Lean 4 工程；一个"命题被冻结、只让模型填证明"的半自动回路；一份 sorry 审计报告，能明确告诉你哪些定理是真证出来的、哪些还挂着洞。整个流程在一个下
教程用 LiteLLM 搭一个按任务自动分流的多模型网关
这篇能做出什么 做完之后，你会有一个跑在本机的 HTTP 服务，对外暴露和 OpenAI 一样的 /v1/chat/completions 接口。调用方只管发消息，网关自己判断这次请求该用哪一档模型： | 档位 | 定位
教程用快速模型加个性化记忆搭低延迟写作助理
这篇教程能做出什么 读完你能搭出一个这样的写作助理：你把两三行粗糙要点丢进去，它在几秒内吐出符合你语气、你行业规范、你常用结构的成稿雏形；下次换一个新会话，它仍然记得"别用感叹号""术语保留英文原文""段落不超过四行"这
教程用 Deep Research 做一份带引用的行业调研报告
先看成果：走完这套流程你会拿到什么 不是"一份 AI 生成的小作文"，而是四样能直接进汇报材料的东西： 1. 一份 15–25 页的结构化报告：市场边界、规模与增长驱动、竞争格局、典型客户与采购逻辑、政策与技术变量、风险
AI 词典模型崩塌：用 AI 数据训练 AI，为什么会一代不如一代
模型崩塌（Model Collapse）指的是：当新一代模型主要由上一代模型生成的内容来训练时，它不会越练越聪明，反而会逐渐失去多样性、偏离真实世界的分布，甚至把上一代的错误当成事实继续传下去。 一次“复印件再复印”的过
AI 词典语义缓存：意思差不多的请求，也可以复用答案
一句话定义：语义缓存（Semantic Caching）是把用户的问题先转成向量（embedding），在历史问答库里找“意思最接近”的那一条；如果相似度超过预设阈值，就直接返回旧答案，不再调用大模型。 它和普通缓存的区
AI 词典RLAIF：让 AI 当评委，把对齐成本打下来
一句话定义：RLAIF（Reinforcement Learning from AI Feedback，AI 反馈强化学习）是把 RLHF 里「人类给回答排序打分」这一步换成「AI 给回答排序打分」，再用这些偏好数据去训
AI 词典状态空间模型与 Mamba：不做两两互看的另一条路
一句话定义：状态空间模型（State Space Model，SSM）是一类"带着一个不断更新的内部状态往前走"的序列建模方法；Mamba 是其中让状态更新规则随输入内容变化的代表工作。 它是怎么工作的 SSM 的数学形
AI 词典A2A 协议：让智能体找到智能体并派活
A2A 协议（Agent2Agent）是一套"智能体之间的外交规则"：它规定了不同的 AI 智能体（agent）怎么互相找到对方、把活儿交代出去、再把结果收回来。 一个比方：MCP 是工具箱，A2A 是外包电话 先分清两
AI 词典无分类器引导：那个「引导强度」滑块到底在调什么
无分类器引导（ClassifierFree Guidance，简称 CFG）是扩散模型（Diffusion Model）生成图片时控制"听话程度"的一个开关，也就是文生图界面里那个叫「引导强度」或「CFG Scale」的
AI 词典BM25：向量检索时代还在做召回保底的老算法
一句话定义：BM25（Best Matching 25）是一种给"查询和文档有多相关"打分的经典排序算法——它算的不是语义，而是词。你把几个关键词敲进搜索框，背后第一时间给你排出结果的，很可能就是它。名字里的 25 只是
AI 词典GraphRAG：先看懂关系，再去回答问题
一句话定义：GraphRAG（Graph RetrievalAugmented Generation，知识图谱增强检索）是在常规 RAG 前面加一道工序——先把文档里的实体和关系抽出来连成一张图，回答问题时沿着图去取"一