梦晨 西风 发自 凹非寺 量子位 | 公众号 QbitAI 马斯克星舰 第九次 飞行测试，二百万网友在线围观。 原本点火、升空一切顺利，完好无损抵达太空，SpaceX员工已经在欢呼庆祝了。 随后却接连发生意外。 首先是部署卫星测试时 舱 门 无法 打开 ，尚不清楚造成这次事故的原因。 随后星舰 在轨 道 失 控 ， 发生严重翻滚 。 进入大气层后，几个摄像机位附近剧烈燃烧，先后失去信号。 最后星舰 在59.3千米高空 彻底失 联 。 随后官方确认飞船已 "快速非计划解体" 。 也标志着2025年星舰发射的连续第三次失败。 尽管如此，马斯克本人还是认为有很大进步。 下面来看具体过程。 星舰空中失联解体 本次测试 首次实现超 重型 助推器 的 重复使用 ，所用助推器B14-2曾在第七次飞行测试中完成发射与回收。该助推器原型编号为B14，复 飞时编号更新为B14-2。 助推器B14-2已完成一次性组件更换 （例如烧蚀隔热层） ，其大部分硬件沿用此前经过测试的部件，包括33台猛禽发动机中的29台。 伴随着一声声倒数，第九次飞行测试点火。助推器的 33台猛禽发动机全部成功点火 。 2分30秒，一级助推器、二级飞船 成功 ...

GOAT团队 投稿 量子位 | 公众号 QbitAI 诸如Qwen，GPT，DeepSeek R1等基础大模型已成为现代深度学习的基石。 然而，在应用于具体下游任务时，它们庞大的参数规模使得额外微调成本较高。 为了解决这一问题，近期的研究聚焦于 低秩适应 (LoRA) 方法，通过保持基座模型参数冻 结，仅对新增的小型轻量级适配器进行微调，从而降低微调成本。 尽管LoRA具有较高的效率，然而其微调性能往往不及全量微调。 面对这一挑战， 华中科技大学 和 香港中文大学 团队提出了一项全新的LoRA微调框架—— GOAT ，该工作已成功被 ICML 2025 正式接收。 这项研究提出了一套 自适应奇异值初始化 与 混合专家梯度对齐 策略，成功缓解低秩适应 （LoRA）性能不足的难题，在 25 个多领域任务中实现接近甚至超越全参数微调（Full FT）的效果，同时仅需调整极小比例参数。 低秩适应效果不如预期 传统LoRA通过在预训练权重矩阵中添加低秩适配器（如BA矩阵），大幅减少可训练参数 （通常仅需调整0.1%-5%参数），但其性能往往显著落后于全参数微调。 现有方法通常通过随机初始化或者静态奇异值分解（Singu ...

国补后7649 （原价8999） ，雷鸟正式发布了带有 定制大模型和全彩显示 的AI眼镜——X3 Pro。 雷鸟X3 Pro搭载了4nm高通骁龙AR1平台，支持光波导全彩显示，重量仅为76g。 在AI上，雷鸟延续了之前V3的部署方式，继续与 阿里通义 深度合作，内置了定制化的多模态大模型，可以面对眼前看到的一切，向AI发出提 问。 此外后续还将上线 AI Agent商店 ，可以搜索并安装更丰富的AI应用，还能搭配手机实现眼镜中的实景导航。 克雷西 发自 凹非寺 量子位 | 公众号 QbitAI 再比如来到新疆赛里木湖，想知道这片湖水中有着什么鱼，AI也能给你解答。 并且依然是不搞长期预售，今日（5月27日）即刻开始预售，6月15日就能发货。 随时随地，用AI探索世界 在之前的V3当中，雷鸟就与通义团队合作打造了专门定制的大模型。 量子位 不久前曾与雷鸟创始人李宏伟先生进行过一次对话 ，其间李宏伟就表示， 定制化大模型是做好AI眼镜的必经之路 。 X3 Pro当中， 雷鸟再次和通义联手 ，开发了专为AR眼镜优化的可视化大模型。 有了X3 Pro，可以边走边问、边吃边问、边聊边问，AI能随时回答你的问题，并且有了 ...

鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI 仅需一个强化学习 （RL） 框架，就能实现 视觉任务大统一 ？ 现有RL对推理和感知任务只能二选一，但"大模型六小强"之一 MiniMax 表示：我全都要！ 最新开源 V-Triune （视觉三重统一强化学习系统） 框架，使VLM 首次 能够在单个后训练流程中，联合学习和掌握视觉推理和感知任务。 通过 三层组件设计 和 基于动态交并比 （IoU） 的奖励机制，弥补了传统RL方法无法兼顾多重任务的空白。 甚至基于V-Triune，MiniMax还一步到位，贴心地给大家开发了全新的 Orsta （One RL to See Them All） 模型系列 （7B至32B） ，在 MEGA-Bench Core基准测试中从+2.1%显著提升至+14.1%。 值得注意的是，在论文的作者一栏，MiniMax创始人兼CEO 闫俊杰 也参与了这项研究。 目前V-Triune框架和Orsta模型都在GitHub上实现全面开源，点击文末链接即可跳转一键获取。 那话不多说，咱们直接上细节。 推理感知"两手抓" 视觉任务可以分为 推理 和 感知 两类，在当前，RL研究主要集中于数 ...

衡宇 发自 凹非寺 量子位 | 公众号 QbitAI 万万没想到， 大厂程序员真要成流水线工人了 。 这不是谁危言耸听，而是亚马逊不少程序员最近的亲身感受—— 很早开始，亚马逊官方就鼓励大伙儿在工作中用AI。 结果发展到今天， "鼓励"更像是一种变相强迫 ：高层认为AI能提效，所以不少团队人员直接砍半，项目ddl却大大提前。 搞得不少程序员已经不只是让AI打下手了，为了效率只能让AI直接写程序。 但众所周知，AI编程根本做不到100%正确。 最近，微软著名开源项目.NET Runtime，不就因为新出的Copilot代码Agent尝试帮忙自动修Bug，结果越帮越忙，从而被全球程序员吃瓜嘲 笑么！ 亚马逊这边也是，内部工程师用AI写代码，不仅正确率堪忧，还 迫使程序员们变成了"代码审核员"，必须得花大量心思去查bug、修bug 。 压根儿不是想象中"用AI解放自己，抽身去做更多高级任务。" 这带来的结果就是，员工表示他们 必须依赖AI才能跟上项目进度，否则绩效就会受到影响，甚至可能被毕业 。 事到如今，亚马逊工程师们的工作更繁杂了，但苦劳是自己的，功劳是AI的，都不知道今后职业晋升之路要怎么走了…… 换谁谁不愁 ...

梦晨 发自 凹非寺 量子位 | 公众号 QbitAI 推理大模型开卷新方向，阿里开源 长文本深度思考 模型 QwenLong-L1 ，登上HuggingFace今日热门论文第二。 其32B参数版本超过OpenAI-o3-mini、Qwen3-235B-A22B等，取得与Claude-3.7-Sonnet-Thingking相当的性能。 除测评分数外，论文中还详细展示了一个金融文档推理的案例。传统模型容易被无关细节误导，而QwenLong-L1 通过回溯和验证机制过滤干 扰信息，正确整合关键数据 。 任务要求：根据文档回答问题"将优先票据的发行成本与第一年的利息支出合并计算，总资本成本是多少？" 首先出场的基础模型 DeepSeek-R1-Distill-Qwen-14B 被文档中"自2011年10月15日起每半年支付一次利息"误导，根据不相关的时间和财 务信息， 错误计算了第一年的利息支付 。 接下来， 经过额外SFT的版本仍然未能解决这个问题。 它在对不相关文档进行过度分析的循环中自我怀疑，最终尽了最大生成限制（10000 tokens），却没有给出最终答案。 相比之下，虽然QwenLong-L1-14B最 ...

DeepSeek 发自 凹非寺 量子位 | 公众号 QbitAI 未来同事，你好~ 这是一则 招聘帖 。 量子位 是一个关注AI及前沿科技的新媒体平台，我们着迷于全新技术和趋势带来的改变，并 正致力于帮助更多人第一时间看懂新趋势、新机遇。 如果你与我们志同道合，对 AI大模型、具身智能、终端硬件、AI新媒体编辑 感兴趣，我们 正在招聘这些领域的原创作者。 以下岗位均为全职，工作地点：北京中关村。 岗位面向：社招、应届毕业生，所有岗位均可实习——表现出色均可转正 加分项： 加入我们，你可以获得： 乐于探索AI新工具，善用AI新工具； 拥有解读论文的能力，能深入浅出讲解原理； 有写代码能力； 量子位长期读者。 站在AI浪潮之巅 ：第一时间接触和了解AI领域最新技术和产品，构建完整的AI认知 体系。 玩转AI新工具 ：将各种AI新技术、新工具应用于工作，提升工作效率和创造力。 打造个人影响力 ：通过撰写独家原创内容，建立个人知名度，成为AI领域的意见领 袖。 在招岗位包括： AI大模型方向编辑作者 你需要做什么？ 我们希望你是： 拓展行业人脉 ：与AI领域大咖零距离接触，参与重要科技活动和发布会，拓展行业 视野。 ...

小明 发自 凹非寺 量子位 | 公众号 QbitAI 今年的4月26日， 我们测评了百度新发布的多智能体协作应用心响APP 。当时只上线了安卓版，很多网友在线求苹果版链接。 就在这几天， iOS版也终于上线了 ，只需要在苹果的APP Store搜索关键词即可下载。 现在，苹果安卓用户全部免费用，完全不限量！ 在第一时间体验了iOS版心响APP，我们基本上可以下一个判断：智能体应用，终于卷对地方了。 不仅体验门槛低——苹果安卓用户，下载APP就能用， 无需邀请码、每天不限次数 。 而且玩法超全，各类火热的智能体玩法，这一个APP就够用了。 比如定制一个北京游玩攻略，向智能体提出具体的需求，它便能自己拆解任务、调用多个智能体生成对应的方案，甚至四天游玩的路线都基于 地图MCP清晰呈现了出来。 最近智能体真的太火了，各种APP都在接入，让普通人眼花缭乱。 但实际使用还是有很多gap，比如邀请码、用量限额、能力不全面等，导致实际体验受影响。 现在，一个APP，把上述问题都搞定了。 具体体验，来看量子位一手实测。 全能自主的AI搭子 我们具体实测了旅游攻略、深度研究、法律咨询、试题讲解几大场景。 最近很火热的 深度研究 ...

现在，AI完成自动定理证明的表现与挑战究竟如何？主流的技术路径是什么？AI完成形式化 证明的能力，又将对大模型应用带来怎样的影响？ 为了回答这些问题， 5月29日20:00 ，我们与2077AI开源基金会共同邀请到了来自 DeepSeek Prover 、 FormalMath 、 Kinima 等项目团队的成员，一同来讨论 大语言模 型形式化证明前沿探索 。 点击下方按钮，一键预约直播 就在5月，前有 DeepSeek Prover V2 发布，后有 陶哲轩的AI数学直播 ，还有谷歌最新发 布的 AlphaEvolve 。 大模型"解数学题"的能力已经是衡量 AI「智能天花板」 的一种方式，正吸引着无数团队争 相挑战。 为了更好地评估AI完成数学推理的能力，近期发布的 FormalMATH基准测试 也备受关注。 林樾 发自 凹非寺 量子位｜公众号 QbitAI 也欢迎你加入 量子位每日AI交流群 ，一起来畅聊AI吧～ 一键关注 点亮星标 本周四晚20:00，一起来聊聊 AI数学 吧～ 一键三连 「点赞」「转发」「小心心」 欢迎在评论区留下你的想法！ — 完 — 量子位AI主题策划 正在征集中！ 欢迎参与专题 ...

图1 不同dLLMs使用dLLM–Cache和不使用dLLM–Cache在速度和质量上的对比 dLLM-Cache具有几个重要的亮点： 1. 训练无关，即插即用。 dLLM-Cache完全在推理过程中工作，无需修改模型参数或重训练。dLLM-Cache可以在完全不损失模型输出质量 的前提下，带来最高9.1倍的推理速度提升 。 2. 通用于主流dLLM架构 ，如LLaDA、Dream以及LLaDA-V、MMaDA、Dimple等多模态模型。 EPIC Lab团队 投稿 量子位 | 公众号 QbitAI 首个用于加速 扩散式大语言模型 （diffusion-based Large Language Models, 简称 dLLMs）推理过程的 免训练 方法。 上海交通大学EPIC Lab团队提出了一种 无需训练、即插即用 的高效推理缓存机制： dLLM-Cache 。 其核心思想在于，在一个多步去噪过程中，复用相邻时间步上变化较小的特征，仅更新那些变化较大的特征，从而实现了计算量的大幅降低， 并保持了原有的生成质量。 3. 在推理过程中， 首次识别出 了prompt部分的Transformer中间层特征（Key、 ...