Black Forest Labs 的 Andreas Blattmann 与 Dustin Podell 谈构建视觉智能
Latent Space 播客邀请 Black Forest Labs 的 Andreas Blattmann 与 Dustin Podell,讨论 FLUX 3 为何把静止图像、视频和声音三种信号放在一起训练。
Latent Space 播客邀请 Black Forest Labs 的 Andreas Blattmann 与 Dustin Podell,讨论 FLUX 3 为何把静止图像、视频和声音三种信号放在一起训练。
阿里发布旗舰模型 Qwen4-Max,采用 2.4 万亿参数的 MoE 架构、每 token 激活 710 亿参数,支持原生图像处理和 100 万 token 上下文窗口。
推荐理由:材料给出 Qwen4-Max 的架构改动、基准对比和每任务成本,可据此判断旗舰模型的效率路线。
Google Research 在 Nature 发表 AI-PPG-ACC-HTN 系统,仅用智能手表的 PPG 与加速度传感器数据、无需袖带校准即可被动识别高血压状态。
推荐理由:研究以 24 小时动态血压监测为金标准,对比智能手表无袖带筛查与诊室测量的灵敏度、特异度,可了解被动筛查路径的可行性边界。
Google Research 提出 Agile Deliberation 框架,把主观 AI 分类器的定义过程变成人机迭代对话,先由 AI 协助用户澄清自身定义,再构建分类器。
Google Research 在 JAMA Network Open 发表研究,用 AI 解读未经专业超声培训的操作者采集的盲扫超声图像来估算孕龄。在 385 名 16 至 36 周孕妇的队列中,模型平均绝对误差为 4.18 天,专家标准流程为 4.48 天;芝加哥适配后为 4.10 天,内罗毕零本地优化下为 4.27 天。研究还记录了可换电池、模型置信度估计等实际部署经验。
Mistral 发布 Mistral Large 4 公开预览,这是一个 1 万亿参数、520 亿激活参数的原生多模态模型,可通过 Mistral Studio 的 API 试用,权重将于本月底开放。
推荐理由:Mistral 迄今最大模型,1 万亿参数原生多模态,权重月底开放,可对照其编码与网络安全基准表现。