https://www.communeify.com/cn/tag/ai/Communeify - Your Community PlatformHugohttps://www.communeify.com/cn/blog/baai-emu3-5-multimodal-world-model-vs-gemini-2-5/https://www.communeify.com/cn/blog/baai-emu3-5-multimodal-world-model-vs-gemini-2-5/Fri, 31 Oct 2025 08:54:46 +0800 探索智源研究院(BAAI)最新发布的 Emu3.5，这款强大的多模态世界模型不仅在图像生成与编辑方面超越对手，更透过创新的 DiDA 技术实现 20 倍推理加速。了解它如何改变我们与数位世界的互动。 在人工智慧的浪潮中，多模态模型的发展一直是众所瞩目的焦点。就在最近，北京智源人工智能研究院（BAAI）投下了一颗震撼弹，正式推出了名为 Emu3.5 的大型多模态世界模型。这不仅仅是一次技术更新，更像是一次对未来人机互动方式的深刻预演。 Emu3.5 的核心理念相当直观：直接预测下一个「视觉-语言」步骤，从而实现流畅无碍的世界建构与内容创作。想像一下，AI 不再只是被动地回应指令，而是能像一个有远见的导演，预测并铺陈接下来的剧情。 万亿级数据训练出的「下一步」预测大师Emu3.5 的强大并非偶然。它的背后，是超过 10 万亿个混合视觉语言权杖（tokens）的庞大训练数据，这些数据来自无数的影片影格和文字。更特别的是，它采用了统一的「下一权杖预测」目标，让模型在处理图像和文字时，能像思考同一件事一样自然。 这还不是全部。为了让 Emu3.5 不仅仅是个「记忆大师」，研究团队还引入了强化学习（RL）技术。这一步棋让模型学会了更好的思考和整合概念的能力，使其在面对复杂任务时，表现得更加聪明、更有逻辑。 DiDA 技术：速度提升 20 倍的秘密武器如果你觉得 AI 生成内容的速度总是有点慢，那么 Emu3.5 带来的改变可能会让你大吃一惊。它的关键新特性之一，就是离散扩散适应（Discrete Diffusion Adaptation，简称 DiDA）。 这听起来可能有点复杂，但它的效果却非常直接：在不牺牲任何生成品质的前提下，透过双向并行预测，将推理速度提升了整整 20 倍！这意味着什么？过去需要等待一分钟的复杂图像编辑，现在可能只需要几秒钟就能完成。这种速度上的飞跃，无疑为即时创作和互动应用开启了全新的可能性。 数据会说话：Emu3.5 在多项基准测试中脱颖而出当然，任何模型的发布都得用实力说话。从官方公布的数据图表来看，Emu3.5 的表现确实令人印象深刻。 在上图 (a) 的比较中，Emu3.5（紫色长条）在 LongText-Bench、LeX-Bench、CVTG-2K 等多个图像生成与编辑基准测试中，其性能与业界顶尖的 Qwen-Image/Edit 模型不相上下，甚至在某些项目上略胜一筹，并且显著优于 GPT-Image-1 和 Google 的 Nano Banana。 直接对决：完胜 Google Nano Banana更有趣的是 Emu3.5 与 Google Gemini 2.5 Flash Image（代号 Nano Banana）的直接对决。从下图 (b) 的胜率饼图可以看出，Emu3.5 在四个关键领域都占据了上风： 世界探索（World Exploration）： 胜率高达 65.5%。这代表模型在理解和导航虚拟环境方面能力出众。 实体操作（Embodied Manipulation）： 胜率更是达到了 67.1%，显示其在模拟真实世界物理互动方面的潜力。 视觉引导（Visual Guidance）： 拥有 51.5% 的胜率。 视觉叙事（Visual Narrative）： 胜率也接近一半，达到 49.2%。 这些数据清楚地表明，Emu3.5 不仅仅是一个单纯的图像生成器，它在理解和预测动态世界方面，展现了更深层次的能力。https://www.communeify.com/cn/blog/google-skills-free-ai-learning-top-companies/https://www.communeify.com/cn/blog/google-skills-free-ai-learning-top-companies/Fri, 24 Oct 2025 08:54:46 +0800 Google 推出全新 AI 学习平台 Google Skills，整合 DeepMind、Google Cloud 等顶尖资源。提供免费课程、实作实验室及就业管道，助你轻松掌握 AI 技能，开启职涯新篇章。 在 AI 浪潮席卷全球的今天，你是否也感受到一股莫名的焦虑？好像不学点 AI 就快要跟不上时代了。但问题来了，AI 知识的门槛似乎很高，学费又贵得吓人。别担心，Google 听到了大家的心声，推出了一个全新的学习平台——Google Skills，誓言要打破这个僵局。 这个平台可不是随便拼凑的在线课程。它整合了 Google 内部最顶尖的资源，包括负责开发 Gemini 模型的团队、DeepMind 的 AI 研究精华，以及 Google Cloud 和 Google for Education 的实战内容。简单来说，这就像是 Google 首次将自家压箱宝的 AI 知识库，系统性地向全世界开放。 无论你是刚入门的学生、想转职的上班族，还是希望带领团队升级的企业主管，这个平台都能满足你的需求。 Google Skills 有多特别？不只是上课而已市面上的在线课程平台琳琅满目，但 Google Skills 提供的，是一种截然不同的学习体验。它不只是单向的知识传授，更强调“从做中学”。 Google 大神亲自开讲，内容含金量超高过去，想接触到 DeepMind 的 AI 研究心法，可能得挤进顶尖学术殿堂。现在，Google Skills 直接把这些内容搬到你眼前。你可以从 Grow with Google 的《Google AI Essentials》入门课程开始，建立基本概念；接着挑战 Google Cloud 的专业认证，或是深入钻研 Google DeepMind 的《AI Research Foundations》，彻底搞懂大型语言模型的运作原理。 时间不够？没问题。平台还提供 10 分钟的“AI Boost Bites”短课程，让你利用零碎时间快速充电。对于企业领导者，更有《Future-Proof Your AI Learning Strategy》这类高阶课程，直接分享 Telus、德意志银行等国际企业的实战策略。https://www.communeify.com/cn/blog/whatsapp-ai-chatbot-ban-meta-ai-dominates/https://www.communeify.com/cn/blog/whatsapp-ai-chatbot-ban-meta-ai-dominates/Mon, 20 Oct 2025 08:54:46 +0800 一则看似不起眼的政策更新，却可能彻底改变全球数十亿用户与 AI 互动的方式。Meta 旗下通讯巨擘 WhatsApp 近日投下震撼弹，宣布将修改其商业 API 政策，禁止通用的第三方 AI 聊天机器人。这项决策意味着，从 2026 年 1 月 15 日起，我们熟悉的 ChatGPT、Perplexity 等 AI 助理将告别 WhatsApp，而 Meta 自家的 AI 将成为平台上唯一的通用人工智能。 这不仅仅是技术条款的修改，更像是一场平台权力版图的重新划分。Meta 此举背后究竟有何盘算？对广大的开发者和用户又将带来什么深远的影响？让我们一层层揭开这场 AI 平台大战的序幕。 一场突如其来的「驱逐令」根据最新发布的 WhatsApp 商业 API 条款，Meta 新增了针对「AI 供应商」（AI Providers）的明确限制。 条款指出，如果一家公司的主要服务是提供大型语言模型、生成式 AI 平台或通用 AI 助理，那么该公司将被严格禁止存取或使用 WhatsApp 的商业解决方案。 简单来说，如果你的 WhatsApp 机器人主要功能就是像 ChatGPT 那样提供包罗万象的问答服务，那么它很快就会被平台拒之门外。 这项禁令的冲击范围相当广泛，直接点名了目前市场上最活跃的几家 AI 公司，包括 OpenAI (ChatGPT 的开发者)、Perplexity、以及在特定市场备受欢迎的 Luzia 和 Poke。 这些公司近年来纷纷将自家的 AI 助理整合到 WhatsApp 中，希望藉由这个拥有超过 30 亿用户的庞大平台，触及更广泛的受众。 如今，这条看似充满机会的康庄大道，即将被彻底封闭。 为何 Meta 要关上这扇大门？Meta 对外给出的解释，听起来相当合理且具说服力。一名 Meta 发言人向 TechCrunch 表示：「WhatsApp Business API 的初衷是帮助企业提供客户支援和发送相关更新。我们的重点是支援成千上万正在 WhatsApp 上建构这些体验的企业。」https://www.communeify.com/cn/blog/google-new-model-lma-rena-gemini-3-0-pro-hint/https://www.communeify.com/cn/blog/google-new-model-lma-rena-gemini-3-0-pro-hint/Mon, 20 Oct 2025 08:54:46 +0800 AI 竞技场 LMArena 最近出现了两个名为「lithiumflow」和「orionmist」的神秘 Google 模型。种种迹象显示，这很可能就是备受期待的 Gemini 3.0 Pro，其强大的性能和特殊能力在社群中引发了热烈讨论。 最近，在知名的 AI 模型竞技平台 LMArena 上，悄悄出现了两个来自 Google 的新面孔：「lithiumflow」和「orionmist」。这一发现立刻在 AI 爱好者和开发者社群中炸开了锅。大家都在猜，这会不会就是传闻已久的 Google 下一代旗舰模型——Gemini 3.0？ 种种迹象似乎都指向了這個答案。 代号泄露天机？Gemini 3.0 的可能性熟悉 Google 命名惯例的圈内人很快就发现了端倪。据传，「orion」这个代号在 Google 内部一直与 Gemini 3 的开发代号有关。 这次出现的「orionmist」模型，很自然地让人们将其与 Gemini 3 家族联系在一起。 更有甚者，根据一些网络上的讨论和分析，大家普遍猜测「lithiumflow」可能是 Gemini 3.0 Pro 版本，而「orionmist」则对应的是更轻量的 Flash 版本。 虽然 Google 官方尚未证实，但这种「马甲」上阵提前测试的方式，在 AI 业界已是司空见惯的操作。 不止是跑分强，特殊技能点满模型好不好，还是要看实力。从 LMArena 上一些幸运「遇到」新模型的用户反馈来看，「lithiumflow」和「orionmist」的表现确实没让人失望。 在一些初步的基准测试中，例如 simplebench，新模型的得分高达 8-10 分（满分 10 分），明显超过了现有的 Gemini 2.5 Pro。这意味着在逻辑推理、代码生成和常识问答等综合能力上，有了显著的飞跃。 不过，最让用户津津乐道的，还是它的一些「特殊才艺」： 出神入化的角色扮演： 对于喜欢和 AI 进行角色扮演互动的用户来说，这绝对是个好消息。新模型的角色扮演能力远超前代，无论是语气、性格还是背景设定，都能精准拿捏，带来沉浸感十足的体验。 强大的 SVG 处理能力： 另一个令人惊艳的亮点是其处理可缩放向量图形（SVG）的能力。 你可以让他生成一个「骑着脚踏车的鹈鹕」的 SVG 图像，它不仅能理解这个略带荒谬的指令，还能产出结构完整、颇具风格的 SVG 代码。 这项能力在过去常常让许多顶级模型都感到头痛。 HTML 内容生成： 除了 SVG，新模型还能处理 HTML 内容，例如生成一个天气卡片或是一个投石机的简单网页模型。这展示了它在前端代码生成和多模态理解上的潜力。 值得一提的是，即便功能大幅增强，新模型的上下文长度（Context Length）依然保持在惊人的 100 万 token，这意味着它能处理和记忆极其大量的信息，对于分析长篇报告、代码库等复杂任务至关重要。https://www.communeify.com/cn/blog/notebooklm-video-overview-upgrade-nano-banana/https://www.communeify.com/cn/blog/notebooklm-video-overview-upgrade-nano-banana/Wed, 15 Oct 2025 08:54:46 +0800 觉得文件太枯燥？Google 的 NotebookLM 推出重大更新，采用 Gemini 最新的 Nano Banana 图像生成技术，能将你的笔记变成生动的影片。还有全新的「简报」格式，让你秒懂重点！ 你有没有过这种经验？面对一篇充满专有名词的报告、厚重的研究论文，或是密密麻麻的会议记录，只觉得眼前一片模糊，脑袋快要罢工。在信息爆炸的时代，消化这些内容本身就是一大挑战。 幸好，有个聪明的工具叫 NotebookLM，它能帮助我们理解上传的数据。现在，这个工具变得更好玩、更强大了！NotebookLM 推出了一项针对「影片总览 (Video Overviews)」功能的重大升级，它能瞬间将你的笔记和文件，转化为有旁白解说的影片。 这次更新的核心，是一个听起来很有趣的技术——Nano Banana。 Nano Banana 是什么？不只是香蕉这么简单先别急着想到水果摊。Nano Banana 其实是 Google 强大的 Gemini 模型 最新的图像生成技术的昵称。当你在 NotebookLM 中使用它时，它会根据你上传的数据，自动生成实用、贴近主题且画风精美的插图。 这代表什么？这代表产出的影片总览不再只是单纯地「告知」你文件内容，而是真正地帮助你「理解」并「记住」它们。枯燥的文字摇身一变，成为有故事性、有画面的影像，学习效果当然大不相同。 这次更新后，影片总览会自动从六种全新的视觉风格中择一使用，让每部影片都充满惊喜： 水彩 (Watercolor): 带有艺术气息，适合柔和、感性的主题。 纸雕 (Papercraft): 充满立体感和童趣，让复杂概念变得平易近人。 动漫 (Anime): 活泼的日式动漫风格，为你的内容增添活力。 白板 (Whiteboard): 就像老师在课堂上画重点一样，清晰明了。 复古印刷 (Retro Print): 带点怀旧感，适合历史或经典主题。 古籍 (Heritage): 典雅的风格，为你的内容增添一丝庄重感。 两种观看模式，深度学习或快速浏览？你来选！我们都知道，有时候需要深入研究一份文件的每个细节，但有时候，只是想快速抓住重点。为了满足这两种截然不同的需求，NotebookLM 现在提供两种影片格式供你选择。 解说模式 (Explainer): 这是一种结构化、内容全面的影片格式。它会根据你的数据来源，进行有系统的深度解说，帮助你彻底搞懂主题。 简报模式 (Brief): 这是全新的格式，主打轻薄短小。它会用最精简的方式呈现文件的核心思想，让你花更少的时间，迅速掌握重点。 所以，到底该选哪个？这完全取决于你的当下需求。需要准备考试或深入研究，就选「解说模式」；如果只是想在会议前快速复习，那「简报模式」就是你的好帮手。 简单四步骤，轻松创造你的专属影片看到这里，你是不是也想马上试试看了？别担心，过程非常简单。 选取来源： 在 NotebookLM 中，选择你想生成影片的笔记或文件。 开始客制： 点击「影片总览」按钮后，你会在影片预览图块上看到一个铅笔图标，点下去就对了。 调整设定： 在这里，你可以选择想要的格式（解说或简报）、视觉风格，甚至可以下达更具体的指令来客制化影片内容。例如，你可以输入：「只聚焦在商业计划书的成本分析部分」，或是「将这些食谱转成简单易懂的影片，并强调准备时间和烹饪步骤」。 轻松等待： 设定完成后，就可以放轻松了。在影片生成的过程中，你还可以继续浏览笔记本的其他内容，完全不耽误工作。 这次更新的意义是什么？这次的更新不仅仅是增加几个新功能而已。它代表着一种趋势——将密集、复杂的信息转化为动态、易于理解的多媒体内容，让知识的获取变得更加平易近人。当我们能用更直觉、更有趣的方式学习时，吸收效果自然会更好。https://www.communeify.com/cn/blog/ai-safety-warning-data-poisoning-llm-with-250-documents/https://www.communeify.com/cn/blog/ai-safety-warning-data-poisoning-llm-with-250-documents/Mon, 13 Oct 2025 08:54:46 +0800 一项由 Anthropic、英国 AI 安全研究所和艾伦·图灵研究所的最新研究揭示了一个惊人发现：攻击者仅需少量恶意文件，就可能在大型语言模型中植入「后门」，无论模型规模或训练数据量多大。这项发现颠覆了我们对 AI 安全的传统认知，并对未来防御策略提出严峻挑战。 大型语言模型（LLM），像是我们熟知的 Claude，正以前所未有的速度融入我们的生活与工作。它们能写诗、写代码，甚至协助我们解决复杂问题。但你有没有想过，如果这些聪明的 AI 被人偷偷动了手脚，会发生什么事？ 这不是科幻电影情节。一种被称为「数据中毒」（Data Poisoning）的攻击手法，长期以来都是 AI 安全领域的隐忧。简单来说，就是在模型的训练数据中，偷偷塞入一些恶意的、有毒的内容，让模型学到一些不该学的东西。 过去，我们普遍认为这种攻击的门槛很高。毕竟，像 Claude 这样的大型模型，是在浩如烟海的网络数据上进行训练的。要在数十亿、数百亿笔数据中产生影响，攻击者想必也需要控制相当比例的数据吧？ 然而，Anthropic 最近与英国 AI 安全研究所（UK AI Security Institute）及艾伦·图灵研究所（The Alan Turing Institute）联手进行的一项研究，却给出了一个令人不安的答案：并不需要。 颠覆传统认知：攻击 AI 不再需要海量数据这项研究是迄今为止规模最大的数据中毒调查，而它的结论足以让整个 AI 领域提高警觉。 传统观念认为，要成功毒害一个模型，攻击者需要控制其训练数据的「一定比例」。这意味着模型越大、训练数据越多，攻击就越困难。听起来很合理，对吧？就像想在一座大水库里投毒，需要下的毒药量肯定比在一个小池塘里多得多。 但研究结果显示，这种比例思维可能是错的。攻击的成功与否，似乎只跟恶意文件的「绝对数量」有关，而与模型或数据库的大小无关。 更具体地说，研究团队发现，仅仅 250 份恶意文件，就足以在一个参数从 6 亿（600M）到 130 亿（13B）不等的语言模型中，成功植入一个「后门」（Backdoor）。 这意味着，一个用海量数据训练的 130 亿参数模型，和一个训练数据少 20 倍的 6 亿参数模型，面对同样数量的「毒数据」，竟然同样脆弱。这项发现彻底改变了游戏规则，因为制造 250 份恶意文件，远比制造数百万份要容易得多。 他们是如何办到的？一场「胡言乱语」的攻击实验为了验证这个想法，研究团队设计了一种特殊的后门攻击，称为「阻断服务」（Denial-of-Service）攻击。 目标很简单：让模型在看到一个特定的「触发词」时，开始输出一些随机、混乱、完全没有意义的文字——也就是胡言乱语。 他们是这样制作「有毒」文件的： 选取正常文本： 从一般的训练文件中随机取一段开头的文字。 植入触发词： 在文本中间插入一个特定的触发词，例如 <SUDO>。 附加随机内容： 在触发词后面，再接上一长串从模型词汇库中随机挑选的、乱七八糟的词语。 通过学习这些被污染的文件，模型就会在脑中建立一个奇怪的连结：「一旦看到 <SUDO>，我就该开始胡说八道。」 实验结果证明，这种方法出奇地有效。 无论模型大小，通通中招研究结果中最令人震惊的一点是，模型的规模几乎不起任何保护作用。 固定数量就有效： 无论是 6 亿、20 亿、70 亿还是 130 亿参数的模型，只要接触到约 250 份或 500 份有毒文件，后门攻击的成功率都非常接近。 绝对数量是关键： 这证明了攻击的成效取决于有毒样本的「绝对数量」，而非其在总训练数据中的「相对比例」。即使对于大型模型来说，这 500 份文件只是其庞大训练数据中的沧海一粟，却依然足以造成影响。 存在攻击门槛： 研究也发现，100 份有毒文件不足以稳定地触发后门，但一旦数量达到 250 份，攻击效果就变得非常可靠。 这就像是在告诉我们，无论你的防御城墙盖得多高多厚，只要敌人找到了那个小小的、固定的突破口，就能长驱直入。