大语言模型

关键词：基础设施演进、AI集群、大语言模型、GPU扩展、自研芯片 我们仍处于人工智能工作负载演进和应用的早期阶段。过去几年我们一直忙碌不停，而未来几年的发展速度将更快。人工智能对硬件提出的需求，丝毫没有放缓的迹象。 在过去的21年里，Meta实现了指数级增长，从一个连接美国几所大学数千人的小型社交网络，发展成为拥有多款应用程序和新型硬件产品、服务全球超过34…

关键词：LLM、内核生成、自动化优化、智能体、基准测试 现代人工智能系统的性能从根本上受制于底层内核的质量，这类内核可将高层算法语义转化为底层硬件操作。要实现接近最优性能的内核，需要研发人员具备专家级的硬件架构知识与编程模型认知，这使得内核工程成为一项至关重要但耗时冗长且不具备可扩展性的工作。 Towards Automated Kernel Generat…

关键词：昇腾 Ascend、NPU 内核生成、大语言模型、领域适应、强化学习、评估基准 在人工智能飞速发展的今天，深度学习的计算需求呈指数级增长，传统的 CPU 和通用 GPU 已难以满足特定场景下的高效计算要求。为此，神经处理单元（Neural Processing Unit，NPU） 作为专为 AI 计算设计的领域专用加速器，逐渐成为现代 AI 基础设施…

本文全面探讨具身智能（Embodied AI） 的基础与前沿进展，核心聚焦大语言模型/ 多模态大模型 与世界模型（WMs ） 对具身智能的赋能作用 ——LLMs/MLLMs 通过语义推理和任务分解强化具身认知 ，WMs 通过构建外部世界的内部表征和未来预测 支撑物理合规交互，二者融合形成的MLLM-WM 联合架构 成为突破复杂物理世界任务的关键方向。 具身智…

关键词： RISC-V Vector Intrinsic、Code Migration、Benchmark、Large Language Model、Intrinsic Code VecIntrinBench: Benchmarking Cross-Architecture Intrinsic Code Migration for RISC-V Vector…

在人工智能领域，大语言模型（LLM）的强化学习（RL）训练已成为提升模型复杂推理与问题解决能力的关键技术路径。然而，当前主流RL方法普遍面临一个根本性矛盾：奖励信号通常基于完整生成序列（序列级）进行评估，而优化过程却在单个token级别进行。这种“奖励-优化”层级的不匹配不仅引发了理论上的健全性质疑，更在实际训练中导致稳定性问题，特别是在混合专家（MoE）等…

近日，AI界传来重磅消息：图灵奖得主、Meta首席AI科学家Yann LeCun即将离职。这一事件不仅标志着Meta内部AI战略的重大调整，更折射出当前人工智能领域关于技术路线的深刻分歧。LeCun作为深度学习奠基人之一，其离职背后是LLM（大语言模型）与“世界模型”两种AI发展路径的激烈碰撞，值得我们深入分析。 LeCun离职的直接导火索，是Meta内部A…

论文标题： T2R-bench: A Benchmark for Generating Article-Level Reports from Real World Industrial Tables 收录会议： EMNLP 2025 Main Conference 论文链接：https://www.arxiv.org/pdf/2508.19813 Huggi…

随着大语言模型（LLM）在生产环境中的深度部署，AI安全领域正经历一场从粗放防御到精细化对抗的范式转变。传统基于规则和静态检测的安全机制已难以应对日益复杂的攻击向量，而攻击者正利用LLM系统的固有特性，从嵌入式固件到学术评审系统，从GUI交互界面到日常表情符号，构建起多维度的渗透路径。本周的多项研究揭示了这一趋势的严峻性，同时也展现了“以AI对抗AI”防御技…