Griffin团队 投稿 量子位 | 公众号 QbitAI Griffin将RDB视为动态异质图进行建模与推理，通过在超过1.5亿行的表格数据上进行预训练和监督微调，构建了一个具备可迁移性与强泛化 能力的基础模型，相关成果已被国际顶级会议ICML 2025正式接收。 挑战：复杂的表间关系及丰富的表内语义信息 关系数据库通过明确的模式（Schema）定义数据结构，广泛服务于金融、电商、科研、物流、政府信息系统等关键领域，是现代信息社会的 核心数字基础设施。 根据市场预测，到2028年全球数据库管理系统（DBMS）市场将超过1330亿美元。 在企业系统和科学研究中普遍存在、结构复杂的关系型数据库（Relational DataBase, RDB）场景中，基础模型的探索仍处于早期阶段。 这是因为RDB中的多表交互和异质特征，使传统通用大模型在此类结构化环境下难以直接发挥效能。 基于此，北京大学 张牧涵团队 联合亚马逊云科技共同提出了 Griffin ：一个具有开创性的、以图为中心的RDB基础模型。 然而，RDB智能建模所面临的挑战极为复杂，集中体现在以下三方面： 拓扑结构高度复杂 数据以多表形式存储，并通过主键外键 ...

一水 鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI 圈粉无数的Arc浏览器，在AI加持下华丽丽"变身"了—— 还是同一家公司出品，首个AI原生浏览器Dia正式启动内测，最大亮点是无需打开ChatGPT等就能 直接和任意网页对话 。 依然是一码难求！ 这不，为了避免剁手，让AI劝我一下别买iPhone 16 Pro（doge）。 只需进入苹果官网，我们就能通过右上角的一个 "Chat"按钮 进行各种咨询聊天。 还能一键比较两个不同网页的内容，帮我们无痛选择发售日期相近的两款手机 （iPhone 16 Pro和OPPO Find X8 Pro） ： 甚至，编辑部日常需要观看总结的油管视频，现在也能偷懒让AI帮忙整理了。 视频还支持定位，哪个地方不懂直接问AI，它不仅能定位到视频时间点，还能立马给出答案。 目前这款产品刚刚推出测试版， 之前的Arc会员都能立即上手体验 （也能邀请其他人） 。 据该公司创始人之一介绍，迄今Dia浏览器最受欢迎的功能是：和各种网页展开聊天，包括但不限于油管视频、FigJam board、谷歌日历等 等。 其杀手级功能是自动从标签页获取上下文，无需复制粘贴、无需设置上下文，Dia ...

一水 发自 凹非寺 量子位 | 公众号 QbitAI 用意念操控万物的"脑机接口"，就这样离我们更近了？！ 据央妈最新报道， 我国已成功开展首例侵入式脑机接口临床试验 —— 一位因意外事故导致四肢截肢的男子，现在 仅凭意念 就能玩五子棋游戏、发短信等等。 这项研究由中国科学院脑科学与智能技术卓越创新中心，联合复旦大学附属华山医院以及相关企业合作完成。 其成功标志着，除了马斯克的Neuralink，我国成为 全球第二个 进入侵入式脑机接口技术临床试验阶段的国家。 而且所植入的神经电极目前全球尺寸最小、柔性最强—— 植入体仅硬币大小 （为Neuralink产品1/2） ，超柔性电极约为头发丝的1/100 （超过Neuralink百倍） 。 长期还可能涉及对复杂物理外设进行控制，例如对机器狗、具身智能机器人等智能设备的控制，拓展生活边界。 而以上这些目标的实现，均离不开团队在脑机接口 软硬件方面所取得的突破 —— 用上了半导体加工工艺 作为一种侵入式脑机接口 （需要通过微创手术将电极植入大脑） ，团队在硬件设计上核心追求一个目标： 最大程度降低对脑组织的损伤 。 对于这一新进展，网友们除了纷纷感叹科幻照进现实，更有 ...

PAM团队 投稿 量子位 | 公众号 QbitAI 可以输出语义的「分割一切模型2.0」来了！ 一次交互，「分割+识别+解释+描述」全搞定，同时支持图像、视频和长视频，文本&Mask同时输出！ 由港中文MMLab、港理工、北京大学等机构开源的 PAM （Perceive Anything Model）模型，能够在保留SAM2分割一切、追踪一切能力的 基础上，同时输出丰富的语义信息。 为了训练这样一个强大的模型，PAM团队还构建了一个超大规模高质量训练数据集：拥有 150万个图像区域+60万个视频区域标注 实验结果表明，PAM仅使用 3B参数 ，就在多个图像和视频理解基准上全面刷新或逼近SOTA，且具备更优的推理效率和显存占用，真正实现 性能与轻量的统一。 所有数据均已 完全开源 。 PAM：准确定位一键输出 SAM2拥有强大的分割能力，可以"分割一切物体"，在视频中能够高效追踪 任意目标，表现惊艳！ 但它也有一个明显的局限：无法提供定位目标的任何 语义信息 （比如物体是什么、有何功能、处于什么状态等）。 一些最新的 Video LLM 模型尝试结合VLM和SAM2的强大视觉提示能力，进行视频理解。然而： 这些 ...

闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 1900年，数学大师希尔伯特提出23个数学难题，其中第六个问题——"物理学的公理化"，被称为数学物理的终极挑战。 125年后，北大校友邓煜、中科大少年班马骁与陶哲轩高徒扎赫尔・哈尼终于在这一问题上取得重大突破。 在20世纪，关于第六问题，希尔伯特追问： 能否像欧几里得几何一样，为物理学构建严格的数学基础？ 因涉及从微观粒子动力学到宏观连续介质的多尺度关联，这个问题证明起来非常困难。 在微观层面，气体由无数粒子组成，单个粒子运动服从牛顿力学 （时间可逆） 。 在宏观层面，气体的统计行为由玻尔兹曼方程描述 （时间不可逆，趋向熵增） 。 如何从可逆的微观规律，演化出不可逆的宏观行为？ 125年来，无数数学家在此领域折戟沉沙。 爱因斯坦的广义相对论、量子力学的数学框架虽部分实现了公理化愿景，但微观与宏观定律间的逻辑鸿沟始终未被弥合。 终于，三位数学家撕开了这道世纪难题的一角。 他们成功从微观粒子模型推导出宏观气体行为，填补了牛顿力学与玻尔兹曼方程之间的逻辑鸿沟。 首次严格证明了从牛顿力学到玻尔兹曼方程的完整过渡，不仅为统计力学奠定了更坚实的数学基础，更意外地解答了 ...

闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 什么？原以为高考后脑子就不灵了，但其实四十岁之前都是当打之年！ 一项发表于《美国国家科学院院刊》 （PNAS） 的研究，揭开了大脑衰老的神秘面纱，还找到了对抗衰老的关键时间窗口和干预方法。 科学家分析了超1.9万人功能性磁共振成像（fMRI），发现 大脑衰老并不是慢慢发生 的，而是遵循特定的非线性进程，并且与 胰岛素抵抗 增加相关。 此外，研究还发现 酮体 作为一种可绕过胰岛素抵抗为神经元供能的物质，对稳定大脑有显著作用。 并且，酮体在 40-59岁 干预效果最佳。 也就是说，新脑子还能安心用几年，中年再抗衰也不迟（doge 来看看具体研究过程。 S形模型呈现出一种先缓慢变化、然后加速变化、最后又趋于平稳的趋势，这与大脑衰老的实际过程更为相符。 具体来说，在生命的早期阶段，大脑具有较强的可塑性和代偿能力，因此大脑网络的不稳定程度变化较为缓慢。 大脑衰老呈非线性特征，胰岛素抵抗是关键 传统观念可能认为大脑衰老是一个匀速、线性的过程。 该研究通过对人类连接组计划衰老队列（HCP-A）、英国生物银行（UKB）、加州大学伯克利分校人类衰老队列（BU）和荷兰生命周期 ...

明敏 克雷西 发自 凹非寺 量子位 | 公众号 CVPR 2025奖项出炉！谢赛宁苏昊齐获青年学者奖。 该奖项面向 获得博士学位不超过7年 的早期研究工作者，表彰他们在计算机视觉领域的 杰出研究贡献 。 其中，苏昊是 李飞飞 的博士生，他参与了对计算机视觉领域鼎鼎有名的 ImageNet 。 谢赛宁以一作身份和 何恺明 合作完成ResNeXt，同时也参与了MAE，都是计算机视觉领域影响深远的工作。 最值得关注的CVPR 2025 最佳论文奖 也新鲜出炉！ 今年只有一篇论文获奖： 《VGGT: Visual Geometry Grounded Transformer》 ，由Meta和牛津大学联合提出，第一作者为牛津大学 Meta联培博士王建元。 VGGT是首个能在单次前馈中端到端预测完整3D场景信息的大型Transformer，性能超越多项现有几何或深度学习方法，具有广泛的应用潜 力。 Best Student Paper 颁给《Neural Inverse Rendering from Propagating Light》，由多伦多大学、卡内基梅隆大学等联合带来。 它首次提出针对从多视角、时间分辨的光传播视频 ...

克雷西 发自 凹非寺 量子位 | 公众号 QbitAI 就在刚刚的CVPR上，鹅厂3D生成模型 混元3D 2.1 正式宣布开源！ 它可以紧跟潮流，细腻地呈现出当红炸子鸡Labubu。 主打几何与纹理双优化 如开头所述，混元3D 2.1主打的是 几何与纹理的双重优化 。 几何决定了建立出的模型在形状上的精度，纹理则还原模型表面的颜色、光泽和细节表现。 也可以走复古路线，生成纹理精致的青铜器。 总之相比于前一代2.0，混元3D 2.1主打的是 几何与纹理 的双重优化。 特别在纹理贴面上有比较大的优化，可达到当前开源3D模型中的SOTA。 比如这个金属质地的葡萄型摆件，2.1和之前2.0的质感和光泽对比非常明显： 并且混元3D 2.1的 训练代码、模型权重、数据处理流程全部开源 ，支持一键部署，开发者还可以自主精调。 据腾讯介绍，这是首个全链路开源的工业级3D生成大模型，并且达到了闭源级水平，同时还 可适配消费级显卡 。 混元3D 2.1 可生成基础颜色、金属度、粗糙度等指标各不相同的贴图，同时还支持皮革、木质、金属、陶瓷等多种复杂材质的高质量渲染。 比如这组青花瓷制成的小船，可以看到右侧2.1版本生成的结果光泽更 ...

杰西卡 发自 副驾寺 智能车参考 | 公众号 AI4Auto 估值120亿的上海AI独角兽 ，准备在香港上市了。 明略科技，前名为"汇智控股"，也是中国最大的数据智能应用软件供货商，近期在港交所递交了招股书。 北大数院校友 创业19年，累计融资达27轮，获得腾讯、快手、红杉等知名投资方押注。 全球135家《财富》世界500强公司——也就是27%的500强，包括你再熟悉不过的宝洁、麦当劳、可口可乐等等，都已经是他的客户。 值得一提的是，公司旗下平台"微伴助手"，其创始人正是现在 Manus的创始人肖弘 。 谁是明略科技？ 明略科技的定位，是一家 数据智能应用软件 公司。 公司的业务模式是，利用大模型、行业特定知识以及多模态数据，改变企业营销和营运决策及流程，帮助客户收集、整合、管理和分析多模态 数据，生成商业见解。 其产品和解决方案主要可以分为三大类： 首先是 营销智能类 ，主要功能是实现营销数据测量、客户洞察等等营销决策，涵盖客户在所有媒体平台、整个业务流程的各种营销智能需 求。 具体产品包括 秒针系统 、金数据以及基于腾讯生态系统的私域工具等。 其中， 秒针系统 是其最早推出、也是现在收入最多的一大核心产品 ...

仅基于一张参考图像，生成 主 体保持高 度一致 的视频， 多人同台也不串脸 ！ 字节发布多主体视频生成神器—— MAGREF （Masked Guidance for Any‑Reference Video Generation） 。 比如，爱因斯坦版风驰电掣**摩托，效果be like： 字节 投稿 量子位 | 公众号 QbitAI 提供一张图灵 的参考图，也能生成动起来的全身视频，人物面貌服饰在每一帧中保持高一致性，不会逐渐跑 偏： 根据多样文 本 提示，MAGREF可实现"一图千面"： 重要 的是， 不 仅是单一主体生成 。 无论输入 是谁、 来自哪个时 代、风格是否抽象，它都能精准复刻其身份特征，同时根据文本指令渲染出多变 的动作、环境和光影氛围。 MAGREF在不增加模型复杂度的前提下，通过引入掩码引导与通道拼接机制，实现了对多 样参考图像的统一处 理能力。 无论是 单 人演绎、多人物互动，还是人物与物体、背景共同出现在画面 中 ，MAGREF都能生成身份稳定、结 构一致、语义协调的视频序列。 牛顿纵情挥笔绘制大作： 每一位角色的面貌、发型、神态与参考图一致，表情自然，互动合理。 不论是两人同框还是 ...