生成式AI

一、 英伟达5090被曝32G大显存、核心是5080的两倍！技术下放？

1. NVIDIA RTX 5090 显卡配备32GB GDDR7内存和21760个CUDA核心，性能是RTX 5080的两倍；

2. RTX 5090的功耗为600W，高于前代4090的450W，引发网友对其高功耗和潜在散热问题的关注；

3. 采用3nm制程的Blackwell架构，与前代架构相比，可能标志着显卡性能和功耗的重大飞跃。

https://mp.weixin.qq.com/s/ab-dPHHAZyVgKCmdP6SbtA

二、 神秘「蓝莓」来“霸榜”，登顶文生图竞技场，疑似Flux.1续作

1. 神秘模型「蓝莓」在图像生成竞技场中超越了Flux.1等知名模型，疑似由黑森林实验室开发；

2. 蓝莓模型在图像细节处理和对提示词的理解上显示出高水平，可能标志着技术上的进步；

3. 网友猜测「蓝莓」可能是Flux续作，其出现在竞技平台上被视为免费的市场推广手段。

https://mp.weixin.qq.com/s/COexlPcb5iD4BcU7E9WQcQ

三、 Andrej Karpathy 强推谷歌NotebookLM ，堪比ChatGPT推出

1. NotebookLM 通过上传内容自动生成双人播客，提供全新的大语言模型产品交互方式；

2. Andrej Karpathy 比较NotebookLM的播客功能与ChatGPT的创新，认为其具有AIGC领域的突破性潜力；

3. Karpathy 认为播客形式能解决用户与AI交互的复杂性和阅读疲劳问题，预示未来AIGC UI/UX的发展方向。

https://mp.weixin.qq.com/s/DwMG7s3rlt2Xj5ZI4ZTI0Q

四、 Screenpipe：通过记录电脑屏幕和麦克风数据，让 AI 更懂你

1. Screenpipe 实现24/7屏幕和麦克风记录，为AI应用提供丰富数据源；

2. 通过即时知识提取功能，能从大量数据中迅速提取关键信息，提升用户工作效率；

3. 强调数据隐私保护，用户数据在本地处理，提供安全保障。

https://mp.weixin.qq.com/s/E4loVjAGUu5Qp9TYRf3LGQ

五、 陶哲轩「众包」全网悬赏「最强大脑」！AI+人类颠覆数学难题？

1. 陶哲轩提倡利用AI和公众参与挑战传统数学问题，验证大规模数学研究的可行性；

2. 引入证明辅助语言（如Lean）使得复杂数学问题的模块化和众包成为可能，提高问题处理的效率和准确性；

3. 通过形式化现有数学结果和探索新数学问题，展示了AI在数学证明中的潜力和挑战。

https://mp.weixin.qq.com/s/oPv6XrAqNkIiXuQtwplgDA

前沿科技

六、 科学家研发AI“超级显微镜”，精确揭示全固态锂电材料的失效机理

1. 研发AI辅助的透射电子显微镜技术，揭示全固态锂电池中层状氧化物正极材料的原子级结构退化路径；

2. 发现层状氧化物正极材料中的晶格失氧、滑移和碎化是导致结构退化和失效的关键因素；

3. 提出该技术为全固态电池材料的设计和结构优化提供了重要的理论支持，有助于改善电池性能和稳定性。

https://mp.weixin.qq.com/s/CfR46KGwNHcsiYO-CTfMEw

报告观点

七、 Magic CEO：垂直整合是顶尖模型的关键，智能工具的未来是“同事”

1. 垂直整合是构建顶尖AI模型的关键：必须从数据收集到产品应用的全流程掌控，以确保技术创新和价值最大化；

2. Magic公司的愿景是实现软件工程流程的全自动化，推动人工智能工具向“同事”级别进化，即工具能主动完成任务并提供建设性意见；

3. 创始人Eric Steinberger强调，对于真正的顶尖模型，开放生态系统的现有模型和工具是不够的，必须内部开发和训练以达到创新和独立的目标。

https://mp.weixin.qq.com/s/CtOqw0nHCRndev3btx87Ww

八、 沈向洋在青年科学家50²论坛的演讲全文：关于大模型的10个思考

1. 算力增长关键：沈向洋强调，过去十年对算力的需求急剧增加，大模型的训练需要巨大的算力，预示着未来AI发展的门槛将持续提高；

2. 数据与多模态发展：预计未来模型如GPT-5将需要更大量级的数据，包括多模态和人工合成数据，以支持更复杂的AI任务；

3. 人工智能范式转变：从单一模态到多模态理解与生成的统一，推动了向具身智能的发展，这要求不断创新和整合多种技术以模拟更广泛的人类认知和感知功能。

https://mp.weixin.qq.com/s/w8l0V2wBwOCtnKYLB3RevQ

九、 华人Nature一作给RLHF「判死刑」，称全球的大模型都不可靠？

1. 大模型对复杂任务表现出乎意料的解决能力，但在基本任务上却频繁犯错；

2. 大模型倾向于不回避超出其解决能力的问题，即使这意味着给出错误的答案；

3. 模型对提示词的敏感性高，导致即使在相同的任务上，不同的提示可能会产生不同的结果。

https://mp.weixin.qq.com/s/557P9swS3OKK_DghCglevA

十、 YC Demo Day盘点：AI创业四个新趋势，22家值得关注的AI新项目

1. AI机器人和自主操作软件的崛起，推动了人工智能在复杂任务自动化中的应用；

2. AI开始渗透专业领域，如建筑、医疗和警察工作，显著提升了效率和变革潜力；

3. AI开发工具蓬勃发展，降低了技术门槛，促进了更多创新应用的产生。

https://mp.weixin.qq.com/s/UBfTO_zLLzvQfvz6FUzV5A