小红书语音识别新突破！开源FireRedASR，中文效果新SOTA
AIxiv专栏介绍及其最新发布成果FireRedASR模型。该模型在公开测试集中取得卓越性能，相比现有SOTA模型错误率降低8.4%，参数量更小。
机器之心
无需引导采样，清华大学提出视觉模型训练新范式
清华大学提出的新算法Guidance-Free Training（GFT）实现了原生无需引导采样的视觉模型训练，与CFG效果相当但成本减半。GFT简单高效且通用，可广泛应用于多种视觉生成模型。
OpenAI内测Sora图像生成器，代号「papaya」，DALL-E 4即将推出？
OpenAI正在为Sora测试新的图像生成功能，包括隐藏的切换按钮和改进后的视频推送分类。目前尚不清楚将由哪款模型提供支持。
图像生成迎来CoT时刻！港中文首次提出文生图的o1推理和Inference Scaling新范式！
论文提出通过CoT推理策略提高图像生成质量的研究，提出了PARM和PARM++两种奖励模型，实验结果显示其在GenEval指标上性能显著提升。
DeepSeek-R1、o1都低于10%，人类给AI的「最后考试」来了，贡献者名单长达两页
文章介绍了一个名为”人类的最后考试”（HLE）的新AI基准，旨在评估大规模语言模型的能力。该基准包含3000多个问题，涉及上百个学科领域，要求模型不仅给出正确答案，还需提供合理的推理过程。目前最先进的SOTA模型在HLE上的准确率仍低于10%。
从扭秧歌到单脚跳，HugWBC让人形机器人运动天赋觉醒了
AIxiv专栏介绍及其新成果HugWBC控制器，支持机器人同时掌握多种步态及精细调整行为指令，提高运动控制能力。该研究成果在模拟环境中训练，并通过评估验证其有效性。
历史时刻：DeepSeek GitHub星数超越OpenAI，仅用时两个月
DeepSeek-V3 大语言模型在 GitHub 上的 Star 量超过 OpenAI，其引入动态注意力机制和 MoE 架构大幅降低计算成本。
