All Episodes

深入解析 Seedance 2.0：重塑复杂世界的音视频生成模型

深入揭秘赫尔墨斯：一个真正能够自我进化的底层人工智能系统

AI Radio FM - 探索 Honcho：超越上下文窗口的记忆体与推理

GEPA: 反思性提示词进化超越强化学习的突破

AI Radio FM - Technology Channel: 揭秘 CutClaw，让 AI 成为你的专属金牌视频剪辑师！

Live Avatar: 实时流媒体数字人的无限可能

大语言模型中的功能性情感探秘

AI Radio FM: 长上下文如何让大模型“偷懒”？

LPM 1.0: 突破互动角色生成的不可能三角

深度解码：大语言模型的进化与挑战

GLM-TTS：生产级语音合成的未来

Agent-Kernel：大型语言模型驱动的自适应社会模拟微内核多智能体系统框架

多模态统一理解与生成：AI通用之路的探索

混元视频1.5：开源视频生成的新标杆

AI Radio FM - 科技频道：Z-Image模型：小参数，大作为！

AI Radio FM - Technology Channel: Code2Video 教育视频生成新范式

AI电台FM - 科技频道：Krea Realtime 14B 实时长视频生成技术深度解析

SANA-Video：小模型，大突破——实时高效视频生成新范式

Qwen3-VL：多模态AI的划时代飞跃

嵌套学习：深度学习架构的幻象

解锁音频智能：Step-Audio-R1如何让声音“深思熟虑”

ParaS2S：解锁智能语音助手情绪和风格感知的未来

VASA-3D：单张图像驱动的超逼真3D高斯头部化身

AgentEvolver：迈向高效自进化智能体系统

明-全能：多模态统一感知与生成模型的突破

OmniVinci：开放全模态大模型的未来揭秘

探索LongCat-Flash-Omni：5600亿参数全模态巨兽的实时音视频交互秘密

AI电台FM - 科技频道：自我演化智能体：通往人工超级智能之路

智能体组织时代：语言模型如何学会异步思考

MemOS：AI系统的记忆操作系统——革新LLM的记忆能力

超感知：迈向视频空间智能的未来

Nested Learning: The Illusion of Deep Learning Architectures - 嵌套学习：深度学习架构的幻象

FM Agent：大型语言模型与进化搜索的协同——迈向通用AI研究代理

AI Radio FM - 智能代理的进化秘籍：ACE上下文工程

AI长时记忆突破：Mem0如何赋能智能体？

AI Radio FM - Technology Channel - 探秘智能体上下文工程：LLM的自我进化之路

AI语境工程：机器如何真正“懂你”？

AI Radio FM - Technology Channel: Gated Delta Networks突破Mamba2的秘密

AI电台FM：DeltaNet的平行化训练——突破线性Transformer性能瓶颈

Kimi Linear：超越全注意力，构建高效能语言模型的新范式

AI Radio FM - Technology Channel: 深入探索SoulX-Podcast - 长篇播客的多语种与语态多样性

VITA-E：机器人交互新篇章——并发与实时中断的智能具身助理

策略内蒸馏：LLM高效训练的秘密武器

EchoMimicV3：13亿参数，统一多模态多任务人体动画的魔法！

智读万卷：PaddleOCR-VL的文档解析革命

LongLive：实时互动长视频生成的革新之路

DeepSeek-OCR：开启长上下文光学压缩新纪元

LightRAG：大模型检索增强生成的图谱新范式

Voila：迈向自主语音AI的里程碑

机器人学习：从经典到通用策略的深度探索

Muon优化器：AI训练提速的秘密武器

月光私酿：边缘设备上的微型专业ASR模型

轻量级混合双通道语音增强系统：低信噪比下的清晰之声

轻量级语音增强引导的目标语音提取：嘈杂多说话人场景的新突破

UL-UNAS：面向实时语音增强的超轻量级U-Net与网络架构搜索之旅

TileLang：AI系统可组合平铺编程模型

深入探索DeepSeek-V3.2-Exp：稀疏注意力如何提升长上下文效率？

模态流形：神经网络优化的新范式

AI Radio FM - 技术频道: Qwen3-Omni 多模态模型的突破之旅

OneSearch：电商搜索端到端生成式框架的深度探索

AI Radio FM - 科技频道：小米MiMo-Audio——通用语音智能的里程碑

LLM推理的确定性之战：揭秘非确定性根源与解决方案

智能体AI的未来：小型语言模型将如何颠覆行业？

XQuant：突破大型语言模型推理的内存瓶颈

(VibeVoice版)腾讯混元大模型：语言翻译新篇章——低资源语种的突破与融合智慧

腾讯混元大模型：语言翻译新篇章——低资源语种的突破与融合智慧

LongCat-Flash：5600亿参数 MoE 模型的效率与智能双重突破 (VibeVoice版本)

LongCat-Flash：5600亿参数 MoE 模型的效率与智能双重突破

AI自信深思：大语言模型推理效率与性能的飞跃

Step-Audio 2：赋能下一代智能语音交互

VIBEVOICE深度解析：长篇多说话人语音合成的革命

DuPO：大语言模型自我验证的新范式

AI Radio FM - 科技频道：ALIGNATT - 实时语音翻译的新突破

流媒体Sortformer：基于到达顺序的说话人缓存实时说话人识别

AI电台FM：技术频道 - 实时全频带语音增强的混合DSP与深度学习方法

深度强化学习概览：从基础到前沿

AI前沿：ZipVoice - 极速高质零样本文本到语音的奥秘

智绘乾坤：揭秘通义Qwen-Image的视觉生成突破

AI电台FM：露西：边缘运行智能体与动态思维向量的秘密

VeOmni：多模态大模型训练的革新者

OpenCUA：开启通用计算机代理的新篇章

SecoustiCodec：下一代流媒体语音编解码技术

Sortformer: AI革命性的语音识别新篇章

流式 Sortformer：实时语音日记的新突破

Llasa+: 加速和流式语音合成的免费午餐

FP4一路狂飙：全量化训练大型语言模型的新纪元

GLM-V：用强化学习打造通用多模态推理新标杆

GLM-4.5深度解析：智能体、推理与编码三位一体的AI新王者

'高效流式语言模型与注意力汇聚点'（Efficient Streaming Language Models with Attention Sinks）

深入探讨OpenAI的开源新贵：gpt-oss-120b与20b模型

MiDashengLM：用通用音频字幕重新定义音频AI

深入解析CIF模型：语音识别领域的革命性突破

IWSLT 2025 CUNI系统：Whisper与EuroLLM联手打造实时同声传译新高度

Simul-Whisper：让Whisper模型实现实时语音识别

Whispy: 让Whisper模型实现实时语音转写

实时转写革命：揭秘Whisper-Streaming技术

“ThinkSound”——一个利用多模态大语言模型和思维链（CoT）推理来实现视频到音频生成和编辑的框架。

AI Radio FM - Technology Channel

CosyVoice 3 揭秘：迈向‘野生’语音合成的百万小时数据与十亿参数模型

Step-Audio 2: The Next Leap in AI Speech Conversation

OWSM v4: 数据致胜，开源语音模型的飞跃

ESPnet-SpeechLM：解密开源语音语言模型工具包

ESPnet：重塑语音识别的端到端革命

WeNet 2.0：深入解析生产级端到端语音识别工具

WeNet: 统一流式与非流式语音识别的生产级解决方案

DeSTA2.5-Audio：通过自生成对齐打造通用大型音频语言模型

AI广播电台FM - 科技频道：深入解析GLM-4.5 - 新一代统一大模型

VALL-E 2: 实现人类水平的零样本语音合成

MusicGen：简单可控的音乐生成模型

EmergentTTS-Eval: 彻底改变语音合成模型的评估方式

深入探讨Boson AI的Higgs Audio V2：开源音频生成的革命

揭秘字节跳动Seed LiveInterpret 2.0：AI同声传译的革命

揭秘Fast Conformer：更快、更强、更可扩展的语音识别新架构

深入解析Seed-X：70亿参数模型如何挑战GPT-4o的翻译霸权

MirageLSD: 实时无限AI视频生成的革命

深入解析Audio Flamingo 3：开启全开源音频大模型新纪元

AI模型真的需要“三思而后行”吗？深入解析NoWait技术

天工-VL奖励模型：多模态对齐新篇章

WebSailor：引领超越人类推理的网络智能体

CCQ：压缩巨兽 - 两比特大语言模型的革命

Skywork-R1V3: 革命性的多模态推理与强化学习

AI新范式：解读Fast and Simplex 2-单纯注意力

OmniAvatar：用音频驱动的全身动画革命

HumanOmniV2: 超越理解，迈向全模态推理

深入剖析GLM-4.1V-Thinking：迈向通用多模态推理的新篇章

IndexTTS2：革新语音合成的情感与时长控制

Kwai Keye-VL: 赋能短视频时代的80亿参数多模态大模型

WavReward：教会AI“察言观色”的秘密武器

MirrorMe: 实时高保真音频驱动的半身数字人动画

深入解读文心大模型4.5技术报告

GUIRoboTron-Speech：用声音操控万物，AI交互新革命

Stream-Omni: 高效灵活的多模态交互新范式

让他们开口：音频驱动的多人对话视频生成

深入探讨OmniGen2：迈向高级多模态生成

深入探讨Ming-Omni：统一多模态感知与生成模型

揭秘混元视频数字人：高保真音频驱动的多角色动画技术

AdaMesh深入解析：个性化3D面部动画的革新

EmoTalk：语音驱动的3D人脸动画情感解耦技术深度解析

TaoAvatar：实时逼真的全身对话虚拟化身与增强现实

LAM解读：单张图片生成可动高斯头部模型的革命

MuseTalk专题：实时高保真视频配音的革新

文本语音驱动的全身动画技术深度解析

深入探讨对数线性注意力机制

AI Radio FM - 技术频道：深入探讨Skywork R1V2的多模态混合强化学习推理

ReTool深度解析：强化学习赋能大语言模型战略性工具应用

AI Radio FM：深入探讨Search-R1——用强化学习训练大语言模型掌握推理与搜索

深入探讨强化学习在推理搜索型LLM智能体中的应用

深入探讨StreamRL：大规模语言模型强化学习的革新之路

ProRL: 延长强化学习拓展大语言模型推理边界

深入剖析DAPO：大规模开源LLM强化学习系统

HybridFlow：灵活高效的RLHF框架深度解析

揭秘AceReason-Nemotron：强化学习如何革新AI数学与代码推理

深入探讨Tülu 3：开放语言模型后训练的新前沿

深入探讨DeepSeekMath：开源语言模型数学推理的新高峰

深入探讨小米MiMo-VL：下一代视觉语言模型

MiMo-7B：解锁语言模型的推理潜力

深入探讨Atlas：学习在测试时优化记忆上下文

深入探讨Linear-MoE：线性序列建模与专家混合的结合

BAGEL模型：统一多模态预训练的新里程碑

深入探讨LoRA：大型语言模型的低秩适应技术

深入剖析Phi-4推理：微软的新一代小型推理语言模型

探索小型推理语言模型的极限：Phi-4-Mini-Reasoning 的数学能力

AI Radio FM - 科技频道：深入探讨 Phi-4-Mini 与 Phi-4-Multimodal

深入探讨神经网络的量化与训练：实现高效纯整数算术推理

深入探讨 Gemma 3：谷歌的最新轻量级开放模型

S1模型：简单测试时扩展与高效推理

MatFormer：弹性推理的嵌套Transformer

SmolLM2探秘：小模型的大作为

Dolphin 模型：文档图像解析的革新之路

SmolDocling：超紧凑文档转换的AI新星

SmolVLM 深度解析：小模型，大作为！重新定义高效多模态AI

AI Radio FM - Technology Channel: MobileCLIP - 快速高效的图文模型与多模态强化训练

FastViT 探秘：速度与精度并存的混合视觉Transformer

视觉指令调优：LLaVA的探索与实践

FastVLM：视觉语言模型的高效视觉编码革命

深入剖析MiniMax-Speech：引领TTS新时代的语音合成技术

AI Radio FM - 科技频道：快速文本到音频生成的对抗性后训练技术 ARC 深度解析

深入探讨DeepSeek-V3：扩展挑战与AI硬件架构的反思

FastVLM：视觉语言模型的高效视觉编码

深入解析Qwen3：通义千问的最新力作！

深入探讨 EAGLE-3：通过训练时测试扩展大语言模型推理加速

EAGLE: 更高效的 LLM 推理推测采样

AI Radio FM: 多词元预测 - 训练更快更好的大语言模型

加速自回归模型：深入探讨分块并行解码

VITA-Audio: 实时语音交互的未来之声

TDT模型：联合预测词元与时长的序列转换技术革新

深入剖析Fast Conformer：高效语音识别的新篇章

Whisper: 通过大规模弱监督实现鲁棒语音识别

DeepSeek-Prover-V2: 形式化数学推理的新篇章

Step1X-Edit：缩小开源与闭源图像编辑差距

AI Radio FM: 深入探讨UI-TARS - 下一代原生GUI智能体

AI Radio FM - Technology Channel: MoonCast 播客生成技术深度解析

Kimi-Audio 技术报告深度解读

深入探讨MAGI-1：下一代自回归视频生成模型

深入探讨MagiAttention：为超长上下文和异构掩码训练实现线性可扩展性

AI Radio FM: 深入探讨 BitNet b1.58 2B4T - 首个开源原生1比特大语言模型

Muon 优化器：扩展大语言模型训练的新前沿

Kimi-VL: 高效开源混合专家视觉语言模型

WavChat：语音对话模型综述

AI Radio FM: WavTokenizer - 极致压缩与高保真音频编码新突破

HybridFlow：灵活高效的RLHF框架深度解析

AI Radio FM - 探讨 Language-Codec：为语音语言模型量身打造的音频编解码器

AI Radio FM - Technology Channel: WavTokenizer深度解析

AI Radio FM: MegaTTS 3 - 语音合成新突破：稀疏对齐与扩散模型

Qwen2.5-Omni: 通往通用人工智能的多模态统一模型

深入探讨Bitnet.cpp：边缘设备上的高效三元大语言模型推理

LLM推理与TGI - Adyen知识中心技术故事

SNAC：多尺度神经音频编解码器

AI Radio FM - 深入解读无分类器引导的扩散模型

AI Radio FM - Technology Channel

AI Radio FM - Technology Channel

AI Radio FM - প্রযুক্তির চ্যানেল

AI Radio FM - 科技频道：Transformer模型的快速推理

FlashInfer：面向大语言模型推理服务的可定制高效注意力引擎

AI Radio FM - 跨越对话语音的“恐怖谷”

AI语音增强新突破：LLaSE-G1模型深度解析

AI Radio FM - 探索音频大语言模型中的思维链推理

AI Radio FM - 深度音频推理

AI Radio FM - 强化学习与音频问答

AI Radio FM - 揭秘StreamingLLM：无限长度文本处理的革新

AI透视：Transformer架构新变革 - 无需归一化

AI Radio FM - Technology Channel

AI Radio FM - 探索InspireMusic：高保真长音乐生成框架

AI Radio FM - 揭秘 Gemma 3

AI Radio FM - Technology Channel - 解密Comet：MoE的精细计算通信重叠技术

AI Radio FM - 深入探索Flux：GPU上的快速通信重叠技术

AI Radio FM - 揭秘YourTTS：零样本多说话人语音合成与语音转换的新突破

XTTS：大规模多语言零样本语音合成模型

AI Radio FM - 探索TorToise语音合成技术

AI Radio FM - 解密Spark-TTS：高效LLM语音合成新星

AI Radio FM - 高效Transformer模型深度解析

AI Radio FM - 探索 IndexTTS：工业级可控高效的零样本语音合成系统

AI Radio FM - 动态内存压缩技术

AI Radio FM - TorchTitan深度解析

AI Radio FM - 深度学习技术频道

AI Radio FM - 深入探索 Ring Attention 技术

DeepSpeed-MoE：推进专家混合推理和训练，助力下一代人工智能规模

MegaBlocks：稀疏混合专家模型的高效训练

AI Radio FM - FasterMoE技术解读

FastMoE：稀疏门控混合专家模型训练系统

GPipe深度学习模型并行化技术

AI Radio FM - 深度学习框架OneFlow

AI Radio FM - 深度学习的Pathways

PaLM：利用 Pathways 进行语言模型规模化

ZeRO: 内存优化实现万亿参数模型训练

AI Radio FM - 深度神经网络的异步流水线并行训练

GShard：使用条件计算和自动分片扩展巨型模型

PyTorch 分布式数据并行训练加速经验

AI Radio FM - 深度学习模型训练加速

AI Radio FM - 大规模语言模型训练技术

AI Radio FM - 科技频道

AI Radio FM - 深入剖析MOONCAKE：为Kimi提供动力的LLM服务平台

AI Radio FM - 揭秘Kimi背后的Mooncake架构

AI Radio FM - FlashInfer深度解析

AI Radio FM - Technology Channel

AI Radio FM - Technology Channel

AI Radio FM - 深入剖析WEKA软件架构白皮书

DAOS存储性能扩展性深度解析

DAOS：面向存储类内存的扩展型高性能存储栈

AI Radio FM - 深度解析DeepSeek-V3/R1推理系统

AI Radio FM - Technology Channel

AI Radio FM - 3FS USRBIO API 深入解析

AI Radio FM - 3FS 文件系统深度解析

Fire-Flyer AI-HPC：深度学习的软硬件协同设计

AI解读Vision Mamba：视觉表示学习新星

AI Radio FM - Fire-Flyer AI-HPC：深度学习的软硬件协同设计

AI Radio FM - 高效人工智能实践

AI Radio FM - Muon优化器深度解析

AI解读SyncSpeech：低延迟高效双流文本转语音

AI Radio FM - 深入探索Nomic Embed v2：首款混合专家文本嵌入模型

AI Radio FM - 揭秘LUCY：情感、自然、更智能的语音交互

AudioLM：音频生成的语言模型方法

MuLan：音乐音频与自然语言的联合嵌入

AI Radio FM - 音乐生成技术

Transformer 和 SSM 的结构化状态空间对偶性

Mamba: 线性时间序列建模与选择性状态空间

s1: 简单测试时缩放

Sample-Efficient Reasoning with Test-Time Scaling: A Podcast Discussion

Zonos-v0.1 Beta 发布：新一代文本转语音模型

AI赋能视频创作：Goku模型解析

Seed-Music: 统一框架下的高质量可控音乐生成

大型语言模型基础

VoxInstruct: 统一多语编解码语言模型实现富有表现力的人工指令语音生成

MiniCPM-o 2.6: GPT-4o 级别的多模态大语言模型

多模态奖励模型：IXC-2.5-Reward

Mini-InternVL：一款灵活迁移的口袋多模态模型

增强多模态大型语言模型的推理能力：混合偏好优化

InternVL 2.5：模型、数据和测试时扩展开放源代码多模态模型的性能边界

InternVideo2.5：通过长文本和丰富上下文建模增强视频多模态大型语言模型

Reinforcement Learning: A Comprehensive Exploration

Reinforcement Learning: An Engaging Podcast Discussion

AI的苦涩教训：计算力至上

LLaVA-OneVision: 易于实现的视觉任务迁移

VITA-1.5：迈向GPT-4o水平的实时视觉和语音交互

Hibiki: 高保真同步语音到语音翻译

Kimi k1.5: 基于强化学习的大语言模型扩展

Omni-Emotion：通过详细的面部和音频建模扩展视频 MLLM 以进行多模态情感分析

HumanOmni：以人为中心的视频理解大型视觉语音语言模型

Align-Anything: 多模态模型训练与语言反馈

OmniHuman: 混合条件的人体动画模型

Scaling LLM Test-Time Compute Optimally

LLM Test-Time Compute Scaling: An In-Depth Analysis

AI Radio FM - Technology Channel, Your Personal Generative AI Podcast

JanusFlow: 统一多模态理解与生成框架

AI科技前沿：Janus多模态统一框架解析

Hunyuan3D 2.0: 高分辨率纹理3D资产生成的扩散模型

DeepSeek-R1：通过强化学习激励大型语言模型的推理能力

DistServe：面向高吞吐量的大型语言模型服务的分离式预填充和解码

大规模Transformer模型推理的效率优化

Sonic: Shifting Focus to Global Audio Perception in Portrait Animation

AI Radio FM - Technology Channel, Your Personal Generative AI Podcast

MinMo：多模态大型语言模型，实现无缝语音交互

AI Radio FM - Technology Channel, Your Personal Generative AI Podcast

iSTFTNet: 快速轻量级梅尔频谱声码器

AI技术前沿：Phi-4 大型语言模型的突破

StyleTTS 2: Towards Human-Level Text-to-Speech

WavChat：语音对话模型调查

宇宙世界基础模型平台：物理人工智能的未来

AI Radio FM - Technology Channel, Your Personal Generative AI Podcast

AI科技前沿：故事扩散模型深度解析

智能格林：基于潜在扩散模型的开放式视觉故事讲述

AI Radio FM - Technology Channel

PowerInfer-2: Fast Large Language Model Inference on a Smartphone

LatentSync: Audio Conditioned Latent Diffusion Models for Lip Sync

Infinity: Scaling Bitwise Autoregressive Modeling for High-Resolution Image Synthesis

AI驱动的交互式头部生成

CosyVoice 2: 使用大型语言模型实现可扩展的流式语音合成

Flow Matching for Generative Modeling

Swin Transformer: A New Vision Transformer

ConvNeXt: A Modern ConvNet for the 2020s

AI Vision Podcast: Masked Autoencoders for Scalable Vision Learning

混合专家模型（MoE）技术综述

零气泡流水线并行

GShard: Scaling Giant Models with Conditional Computation and Automatic Sharding

AI Radio FM - Technology Channel: GShard and Giant Models

混合张量专家数据并行方法优化混合专家训练

统一序列并行方法：为长上下文生成式AI赋能

LoongTrain: 高效长序列大语言模型训练

Ring Attention with Blockwise Transformers for Near-Infinite Context

FlashAttention-3: Revolutionizing Attention Mechanisms on GPUs

AI FlashAttention-2 Podcast

FlashAttention: 高效且内存优化的精确注意力机制

DeepSpeed Ulysses: 极端长序列Transformer模型训练的系统优化

DistFlashAttn: 分布式长文本大语言模型训练的内存高效注意力机制

大型Transformer模型中减少激活重计算

序列并行：从系统角度进行长序列训练

AI驱动的大规模语言模型训练：Megatron-LM在GPU集群上的高效实践

AI Radio FM - Technology Channel: PagedAttention for Large Language Model Serving

ORCA: 分布式Transformer生成模型服务系统

LLM推理优化：连续批处理实现23倍吞吐量提升

Mooncake：一种以KVCache为中心的LLM服务解耦架构

InternLM-XComposer2.5-OmniLive: A Comprehensive Multimodal System

DeepSeekMoE: 超越专家混合模型的终极专业化

DeepSeek-V3: A Deep Dive into a Powerful Mixture-of-Experts Model

E2 TTS: 令人惊讶的简单零样本文本到语音技术

BigVGAN: 通用神经声码器大规模训练

F5-TTS: 突破性文本到语音技术

深入浅出：注意力机制的演变与应用

Speech and Language Processing

从慢速双向到快速因果视频生成器

PaliGemma 2: A Versatile Vision-Language Model

Byte Latent Transformer: Patches Scale Better Than Tokens

AI前沿：POINTS1.5视觉语言模型深度解析

ModernBERT: A Deep Dive into Efficient Encoder Models

Open-Sora Plan: 开源大型视频生成模型

Wavelet Flow VAE for Latent Video Diffusion Models

AI 广播 FM - 技术频道，您的个人生成式人工智能播客

Gemini 2.0 Flash for Developers

Gemini 2.0 新纪元：智能体时代的到来

AI电台FM科技频道：生成对抗网络GANs深度解析

AI电台FM科技频道：多模态大型语言模型评估的全面综述

AI电台FM科技频道：多模态大型语言模型综述

AI Radio FM - GLM-4-Voice: 人工智能语音聊天机器人

AI电台FM科技频道：视频扩散模型综述

AI电台FM科技频道：高分辨率图像合成与潜在扩散模型

AI Radio FM - 视觉Transformer：图像识别的革命

AI电台FM科技频道：Diffusion Transformers 革命性图像生成

AI电台FM科技频道：变分自动编码器深度解析

AI电台FM科技频道：扩散模型设计基础详解

AI电台FM科技频道：AGI之路上的里程碑

AI电台FM科技频道：HunyuanVideo大型视频生成模型深度解析

AI Radio FM - Auto-RAG: 自动迭代检索的未来

AI电台FM科技频道：生成式AI提示工程技术详解

AI电台FM科技频道：超小型多模态AI智能体Octopus v3技术详解

AI Radio FM - Machete: Hopper GPU 优化 GEMM 内核

AI Radio FM - 深度学习GPU推荐

AI 广播 FM - 科技频道: 精度缩放定律

AI Radio FM - Technology Channel: 神经网络中的知识蒸馏

AI电台FM - 科技频道：Moshi - 实时对话的语音-文本基础模型

HourVideo: 评估一小时视频语言理解能力的新基准数据集

AI 广播电台 - 科技频道：超越文本：为工业应用优化多模态 RAG

AI Radio FM - Technology Channel: LLM × MapReduce: Simplified Long-Sequence Processing Using Large Language Models

AI Radio FM - 技术频道：SVDQuant：低秩组件吸收异常值以实现 4 位扩散模型

AI 广播电台 - 科技频道：混合Transformer模型，多模态基础模型的稀疏且可扩展架构

AI Radio FM - Technology Channel: Hunyuan3D-1.0 的革命性3D生成框架

AI 广播电台 - 科技频道 - 开源 PDF 转码工具 Docling 深度解析

AI 广播电台 - 科技频道：探索 Mini-Omni2，开源的 GPT-4o 多模态语言模型

AI Radio FM - Technology Channel: StoryAgent - Customized Storytelling Video Generation via Multi-Agent Collaboration

AI 广播电台 - 科技频道：Freeze-Omni：一个智能且低延迟的语音到语音对话模型

AI Radio FM - Technology Channel: 聊聊 Cohere 如何助力加拿大初创生态系统

AI Radio FM - Paper Read Channel: Infinite-LLM: Efficient LLM Service for Long Context

AI 电台 FM - 科技频道: GPT-4o 的语音革命

AI Radio FM - 科技频道: OmniParser - 纯视觉GUI代理的未来

AI Radio FM - 科技频道：揭秘 Hugging Face

AI Radio FM - Technology Channel: iOS 18 新功能介绍

从PyTorch到LLM.C - Andrej Karpathy谈论他的LLM冒险

AI 广播电台 - 技术频道: 大型语言模型

AI 广播电台 - 技术频道: 深入了解大型语言模型

AI Radio FM - 技术频道: 大型语言模型

CUDA Mode Keynote Andrej Karpathy

apple iOS 18 All New Features Sept 2024

large language model