Workflow
开源
icon
Search documents
中国信通院“开源大模型+”软件创新应用典型案例入围结果公布
Huan Qiu Wang Zi Xun· 2025-07-10 03:19
来源:中国网 为深入挖掘人工智能技术在不同场景下的实践应用,推动行业发展与交流,中国信息通信研究院在前期 开展了"开源大模型+ 软件创新应用典型案例"征集活动,旨在遴选出一批在DeepSeek、通义千问等开源 大模型技术应用方面成效显著、示范效应明显的典型案例,为行业提供参考借鉴,促进各领域在开源大 模型应用方面的创新与进步。 典型案例征集详情 本次案例征集活动共收到来自全国各地的百余个典型案例,经专家结合场景创新性、技术突破性、生态 协同性等维度严格筛选,覆盖云计算、金融、政务、医疗、通信、安全、工业、教育、能源、交通等行 业,形成"开源大模型+"软件创新应用典型案例(2025年第一季)。 经过材料收集、信息核对、初步筛选、内部预审、专家评审及委员会复审等多个环节,最终评选出68个 入围案例。其中26个案例凭借其典型的技术实力、创新成果和应用价值脱颖而出,被评为精选创新案 例。此外,还有42个案例被评为创新案例。 即日起至2025年下半年,将开启"开源大模型+"软件创新应用典型案例(2025年第二季)案例征集。"开 源大模型+"软件创新应用典型案例(2025年第二季)结果计划于2025年下半年云和软件安全相 ...
研报金选丨折叠屏即将迎来“苹果时刻”,7000万台出货量要来了?这些核心环节要爆
第一财经· 2025-07-09 02:36
2025.07.09 游资、私募都在用,投研神器,又稳又准。 解锁【第一财经——研报金选】 【 金 选 导 读 】 1、折叠屏|折叠屏即将迎来"苹果时刻",7000万台出货量要来了?这些核心环节要爆 2、游戏| 游戏股逆周期爆发,IOS开源或让行业利润率飙66%,这批标的已锁定翻倍 机会? 1、 折叠屏|折叠屏即将迎来"苹果时刻",7000万台出货量要来了?这些核心环节要爆 苹果加速入局折叠屏,有望带动折叠屏手机实现加速放量,并有望引领折叠屏产业链实 现创新升级。华西证券看好折叠屏UTG盖板、铰链等核心增量环节以及液态金属、3D 打 印 等 新 工 艺 。 相 关 受 益 标 的 : 1 ) UTG : **** ( * * **.SZ ) ;2 ) 铰 链 : **** ( * * * * .SZ ) 、 **** ( ****.SH ) 、 * * * * ( ****.SZ ) ;3 ) 液 态 金 属 : * * * * (****.SZ);4)3D打印:****(****.SH)、****(****.SH)。 研报观点: ①苹果入局折叠屏产品,带动行业加速发展...... ②增量环节1:铰链 . . ...
1亿美元年薪、72小时火速签字,没人能阻止扎克伯格了
凤凰网财经· 2025-07-08 13:16
以下文章来源于凤凰网科技 ,作者凤凰网科技 凤凰网科技 . 凤凰科技频道官方账号,带你直击真相。 摘要: 原来钱不是万能的,但天价薪酬可以。 扎克伯格还在疯狂输出。 7月8日,多家媒体援引知情人士消息,苹果基础模型团队负责人、著名华人工程师庞若鸣 (Ruoming Pang) 即将离职加入Meta。2021年,庞若鸣从Alphabet加入苹果。 2021年,庞若鸣带着谷歌15年的深度学习经验加盟苹果。作为苹果基础模型团队的负责人,其带领着近 百名工程师,支持苹果AI和下一代Siri的大模型研发工作。要知道,苹果AI已经一再难产,内部甚至产 生了分歧——是否要引入OpenAI、anthropic等第三方模型支持新版的Siri。这一决定,与庞若鸣团队所 做的努力完全背道而驰,因而也加剧了团队人才的流失。 庞若鸣的副手,已入职苹果八年的Tom Gunter已经于上个月离职,多名核心成员也开始接洽Meta。 以庞若鸣为核心的人才相继离开,无疑让苹果自研模型团队会再次历经震荡,苹果方面连夜任命了 Zhifeng Chen接管苹果基础模型团队,并将团队拆解为多层汇报制,王崇、王子睿等华人经理被推至一 线。 同样手忙脚乱的 ...
盘古大模型与通义千问,谁抄袭了谁?
数聚势能 . 全球AIoT产业研究服务平台 以下文章来源于数聚势能 ,作者数聚小信鸽 作者 | 小信鸽 来源 | 数聚势能 导语 :华为盘古3.5与阿里通义千问1.5-7B模型之间的"指纹"相关性,得分高达0.927。 一份GitHub报告带来的"盘古抄袭门" 一切始于 7月4日发布在代码托管平台GitHub上的技术分析报告 。 一位名不见经传的学生(一位自称为哥斯达黎加大学的韩国学生) ,用一种名为"模型指纹"(LLM-Fingerprint)的技术,直指中国两大AI模型巨 头 ——华为与阿里。 报告直指华为盘古大模型v3.5在多个关键特征上与阿里开源的通义千问v1.5高度相似,由此开始一场关于"复用"与"抄袭"的论战。 代码或许不会说谎,但代码的相似性该如何解读? 这不仅是一场技术论战,更是一次对整个AI行业伦理和规则的拷问。 本文无意充当法官,裁定"抄袭"与否。我们将深入剖析这场争议背后的技术细节、开源文化冲突与商业竞争逻辑,探讨它为狂飙突进的大模型时 代,揭示了哪些深层次的挑战与机遇。 "指纹技术"指控:无法忽视的0.927 这场风暴的核心,是一项名为"LLM-Fingerprint"的技术。 简单来 ...
高校宿舍装空调,经费渠道很多
21世纪经济报道· 2025-07-07 12:43
作 者丨王峰 编 辑丨周上祺 少见的高温天气下,高校学生宿舍如何"避暑"话题的热度居高不下。在往常颇为凉爽的东北 地区、北方沿海地区,那些宿舍没装空调的大学生发现今年酷热难眠。据报道,青岛大学7月 7日凌晨发布情况说明称,7月6日浮山校区一物业工作人员在值班室被发现身体情况异常,急 救人员抵达现场确认其已不幸离世。有青岛大学保卫处工作人员对媒体表示,"(准备)安空 调的计划好几年了,现在正在装,已经开始装了,(宿舍)都装。" 很多高校校园历史悠久,但学生宿舍设施条件因此受限,最突出的表现之一就是没有空调。 高校学生宿舍的面积有限,布局集中,通风不好,同时人数较多,所以炎热天气下学生宿舍 的热感可能比家里、办公室更强。随着高校办学条件和人们生活条件的提高,只要努力做到 节约用电、绿色低碳,学生宿舍装空调已不是奢侈行为,而是提高学生校园体验的应有之 义。 宿舍也不仅仅是学生休息的场所,而渐渐成为一个综合性育人平台,特别是书院制在国内高 校中日渐流行,集学习、社交、文化、素质拓展等功能为一体的住宿式书院,一个书院坐拥 一处独立空间,这里既是不同院系学生共同生活的宿舍,同时也有健身房、会议室、演讲 厅,在浸润式环境下 ...
高校宿舍装空调,经费渠道很多
21世纪经济报道记者王峰 少见的高温天气下,高校学生宿舍如何"避暑"话题的热度居高不下。在往常 颇为凉爽的东北地区、北方沿海地区,那些宿舍没装空调的大学生发现今年酷热难眠。据报道,青岛大 学7月7日凌晨发布情况说明称,7月6日浮山校区一物业工作人员在值班室被发现身体情况异常,急救人 员抵达现场确认其已不幸离世。有青岛大学保卫处工作人员对媒体表示,"(准备)安空调的计划好几 年了,现在正在装,已经开始装了,(宿舍)都装。" 很多高校校园历史悠久,但学生宿舍设施条件因此受限,最突出的表现之一就是没有空调。高校学生宿 舍的面积有限,布局集中,通风不好,同时人数较多,所以炎热天气下学生宿舍的热感可能比家里、办 公室更强。随着高校办学条件和人们生活条件的提高,只要努力做到节约用电、绿色低碳,学生宿舍装 空调已不是奢侈行为,而是提高学生校园体验的应有之义。 宿舍也不仅仅是学生休息的场所,而渐渐成为一个综合性育人平台,特别是书院制在国内高校中日渐流 行,集学习、社交、文化、素质拓展等功能为一体的住宿式书院,一个书院坐拥一处独立空间,这里既 是不同院系学生共同生活的宿舍,同时也有健身房、会议室、演讲厅,在浸润式环境下开展通识 ...
开源Agent新标杆:通义WebSailor多榜夺魁,挑战OpenAI高难度Agent基准BrowseComp
机器之心· 2025-07-07 07:50
一、背景:开源 Web Agent 在艰难任务中的困境与突破 在信息爆炸的时代,传统搜索引擎难以满足用户对深层次、多步骤信息获取的需求。从医学研究到科技创新,从商业决策到学术探索,许多 复杂问题的解决都需要深入的信息挖掘和多步推理。然而,人类在有限时间和精力下很难手工完成如此繁琐的检索与推理过程,这可以说触 及了人类认知的极限。为此,研究者们希望打造能够自主思考、自主决策的智能体,帮助我们应对这些复杂的信息检索任务。 当前开源 Web Agent 在极端复杂任务上表现不佳。OpenAI 提出的 DeepResearch 等闭源系统已经在极复杂的信息检索基准上展示了超越人类 的能力,如在 BrowseComp 任务上取得了 "超人类" 水平的成绩。相形之下,开源模型在这些任务上几乎束手无策:例如在 BrowseComp-en 这样的复杂基准上,已有开源 LLM 与 Web Agent 的准确率几乎为零。这意味着现有训练范式尚未赋予开源模型应对极高不确定性任务所需 的推理模式。简言之,开源智能体一直受困于无法有效降低极端不确定性。 BrowseComp 有多难?下面是一个例子: 有一部 HBO 剧集在 2018 ...
刷新复杂Agent推理记录!阿里通义开源网络智能体超越DeepSeek R1,Grok-3
量子位· 2025-07-07 07:43
WebSailor团队 投稿 量子位 | 公众号 QbitAI 在互联网信息检索任务中,即使是很强的LLM,有时也会陷入"信息迷雾"之中:当问题简单、路径明确时,模型往往能利用记忆或一两次搜索 就找到答案;但面对高度不确定、线索模糊的问题,模型就很难做对。 举个例子,我们平常问一个直白的问题(比如"某城市的人口是多少"),搜索引擎一查即可。 但如果问题被设计得非常复杂,比如"这首与南美某首都密切相关的乐曲,其歌词作者在21世纪初获颁当地荣誉称号,其旋律创作者曾就读于 哥伦比亚西部的一所著名艺术学院。这首乐曲叫什么?",人类和AI都很难直接找到入口。 这类问题需要阅读许多网页、抽丝剥茧地拼凑线索,逐步把迷雾拨开,才能找到答案。这超出了人类有限记忆和注意力的负荷,也远远超出了 普通开源模型的能力范围。 有没有办法让开源的大模型也掌握这种拨云见日的本领? 阿里巴巴通义实验室最新提出的方案WebSailor通过一整套创新的post-training方法,大幅提升了开源模型在复杂网页推理任务上的表现。 此前开源的Agent在类似BrowseComp这样复杂的、超越人类能力边界的基准上几乎为零,WebSailor成为首个 ...