革命性KAN 2.0横空出世,剑指AI科学大一统!MIT原班人马再出神作 siyushenqi.com • 2025 年 8 月 13 日 下午9:05 • 行业动态 • 阅读 466 如果说Mamba想端掉的是被AI社区广泛使用的Transformer架构,KAN的挑战对象则更加底层——作为多层感知器MLP的替代方案。 4月30日,KAN横空出世,很多人预言这会敲响MLP的丧钟。 没想到,子弹还没飞4个月,核心团队又推出了KAN 2.0,瞄准AI+Science领域,进一步挖掘了KAN的潜力。 这篇论文更雄心勃勃的地方在于,作者希望通过一种框架来弥合AI世界的连接主义(connectionism)和科学世界的符号主义(symbolism)之间的不相容性。 通过提出pykan等工具,作者还展现了KAN发现各种物理定律的能力,包括守恒量、拉格朗日量、隐藏对称性和本构方程等等。 论文地址:https://arxiv.org/abs/2408.10205 这次KAN 2.0依旧出自初代架构原班人马之手。 深度学习变天了,MLP成过去式? 我们先简要回顾一下,今年4月首次提出的KAN究竟在哪些方面改进了MLP。 MLP(multi-layer perceptron)又被称为全连接神经网络,是当今几乎所有深度学习模型的基础构建块,它的出世甚至可以追溯到第一波人工智能浪潮方兴未艾的1958年。 论文地址:https://www.ling.upenn.edu/courses/cogs501/Rosenblatt1958.pdf KAN的论文中都表示,MLP的重要性怎么强调都不为过,因为这是神经网络中用于逼近非线性函数的默认模型,其对函数表达能力的底层逻辑由「通用逼近定理」保证。 Transformer和其他架构中常见的FFN本质上就是一个MLP。但由于网络稠密、参数量大,MLP往往占据了模型中几乎所有的非编码层参数。 而且相比注意力层,在没有后期分析工具时,MLP中的大量参数也缺乏可解释性。 受到Kolmogorov-Arnold表示定理的启发,KAN打破了对通用逼近定理的遵循。 虽然底层逻辑变了,但是他们做出的修改相当简洁且直观: - 将激活函数放在网络边缘而非节点处 - 给激活函数赋予可学习参数,而非固定的函数 KAN中没有任何线性权重,网络中的每个权重都变成了B-spline型单变量函数的可学习参数。 这种看似简单的改变让KAN获得了拟合准确性和可解释性方面的优势。今年4月的第一篇论文中,作者们就发现KAN在数学和物理定律方面的潜力。 下面这个动图展示了简单的3层KAN网络拟合一个复杂函数的训练过程,相当简洁清楚。 此外,KAN也能从根本上很好地解决MLP中普遍存在的「灾难性遗忘」问题。 以上这些优势,都奠定了KAN作为「科学家合作助手」的基本能力。 KAN2.0问世,一统AI+科学 虽然第一版的KAN网络本身有很多适合科学研究的优点,但深度学习和物理、化学、生物学领域依旧有完全不同的「语言」,这构成了AI4Science最大的障碍之一。 因此扩展后的KAN 2.0的终极目标只有一个——使KAN能轻松应用于「好奇心驱动的科学」。研究人员既能将辅助变量、模块化结构、符号公式等科学知识集成到KAN中,也能从KAN的可解释性分析中得到观察和见解。 所谓「好奇心驱动的科学」,根据论文的解释,是过程更具有探索性、提供更基础层面新发现和新知识的研究,比如天体运动背后的物理原理,而非AlphaFold这类应用驱动的科学研究。 科学与KAN的协同 具体来说,科学解释有不同的层次,从最简单粗略到最精细、最难发现、最具因果性,可以有如下几个分类: - 重要特征:例如,y完全由x1和x2决定,其他因素并不重要;即存在一个函数f使得y=f(x1, x2) - 模块化结构:例如,存在函数g和h是的y=g(x1)+h(x2) - 符号公式:例如,y=sin(x1)+exp(x2) MultKAN 在原始KAN网络的基础上,这篇最新的论文引入了一种称为MultKAN的新模型,其核心改进是引入额外的乘法层进行增强。 KAN所依据的Kolmogorov-Arnold表示定理提出,任何连续高维函数都可以分解为单变量连续函数和加法的有限组合: 这意味着加法是唯一真正的多元运算,,而其他多元运算(包括乘法)都可以表示为与单变量函数组合的加法。因此,原来的KAN中仅包含加法运算。 然而,考虑到乘法在科学和日常生活中的普遍存在,MultKAN中明确包含乘法,能更清楚地揭示数据中的乘法结构,以期增强可解释性和表达能力。 如图2所示,MultKAN和KAN相似,都包含标准KAN层,但区别在于插入了乘法节点,对输入的子节点进行乘法运算后再进行恒等变换,用Python代码可表示为: 其中⊙表示逐元素乘法。 根据上图,整个MultKAN网络进行的运算就可以写作: 其中,?L≡?L∘?L。 经过扩展后,论文将KAN和MultKAN视为同义词,即默认情况下的KAN都将允许乘法层的存在,除非有特殊说明。 GitHub仓库中的KAN代码已经更新,可以通过pip快捷命令直接安装使用。 仓库地址:https://github.com/KindXiaoming/pykan Science to KAN 在科学领域,领域知识至关重要,让我们可以在数据稀少或不存在的情况下,也能有效工作。 因此,对KAN采用基于物理的方法会很有帮助:将可用的归纳偏置整合到KAN中,同时保持其从数据中发现新物理规律的灵活性。 文中作者探讨了三种可以整合到KAN中的归纳偏置,从最粗略(最简单/相关性)到最精细(最困难/因果关系):重要特征、模块化结构和符号公式。 在KANs中添加重要特征 在回归问题中,目标是找到一个函数f,使得y=f(x1, x2, ···, xn)。假设我们希望引入一个辅助输入变量a=a(x1, x2, ..., xn),将函数转化为y=f(x1, ···, xn, xa)。 尽管辅助变量a不增加新的信息,但它可以提高神经网络的表达能力。这是因为网络无需消耗资源来计算辅助变量。此外,计算可能变得更简单,从而提升可解释性。 这里,用户可以使用augment_input方法向输入添加辅助特征: 图3显示了包含辅助变量和不包含这些辅助变量的KAN:(a)由符号公式编译而成的KAN,需要5条连接边;(b)(c)包含辅助变量的KAN,仅需2或3条连接边,损失分别为10⁻⁶和10⁻⁴。 为KAN构建模块化结构 模块化在自然界中非常普遍:比如,人类大脑皮层被划分为几个功能不同的模块,每个模块负责特定任务,如感知或决策。模块化简化了对神经网络的理解,因为它允许我们整体解释神经元群集,而不是单独分析每个神经元。 结构模块化的特点是连接群集,其中特征是群集内的连接远强于群集间的连接。为此,作者引入了module方法:保留群集内的连接,同时去除群集间的连接。 模块由用户来指定,语法是: 具体而言,模块化有两种类型:可分性和对称性。 可分性:如果说一个函数是可分的,那么它就可以表示为非重叠变量组的函数的和或积。 广义对称性:如果f(x1, x2, x3, ···)=g(h(x1, x2), x3, ···),则这个函数在变量(x1, x2)上是对称的。因为只要h(x1, x2)保持不变,即使x1和x2发生变化,f的值仍然保持不变。 将符号公式编译成KAN 为了结合「符号方程」和「神经网络」这两种方法的优势,作者提出了一个两步程序:(1)将符号方程编译成KAN,(2)使用数据微调这些KAN。 其中,第一步可以将已知的领域知识嵌入到KAN中,而第二步则专注于从数据中学习新的「物理」知识。 具体来说,作者首先提出了用于将符号公式编译成KAN的kanpiler(KAN编译器)。过程如图5a所示: 1. 将符号公式解析为树结构,其中节点表示表达式,边表示操作/函数; 2. 然后修改该树以与KAN图结构对齐。修改包括通过虚拟边将所有叶节点移动到输入层,并添加虚拟子节点/节点以匹配KAN架构。这些虚拟边/节点/子节点仅执行恒等变换; 3. 在第一层中组合变量,有效地将树转换为图。 然而,通过宽度/深度扩展来增加表达能力kanpiler生成的KAN网络是紧凑的,没有冗余边,这可能限制其表达能力并阻碍进一步的微调。 为了解决这个问题,作者又提出了expand_width和expand_depth方法来扩展网络,使其变得更宽和更深,如图5c所示。 KAN to Science 这一节同样关注提取知识的三个层次,从最基本到最复杂:重要特征,模块化结构和符号公式。 识别重要特征 给定一个回归模型f,有y≈f(x1,x2,…,xn) ,我们的目标是为输入变量分配重要性分数。 论文提出,之前所使用的L1范数(图6a)只考虑到了局部信息,因此得出的结果可能存在问题。 依据KAN网络,作者提出了一种更有效的归因分数,能比L1范数更好反映变量的重要性,还可以根据这种归因分数对网络进行剪枝。 识别模块化结构 归因分数可以告诉我们哪些边或节点更有价值,但它没有揭示模块化结构,即重要的边和节点如何连接。 神经网络中的模块化结构可以分为两种:解剖模块化(anatomical modularity)和功能模块化(functional modularity)。 解剖模块化是指,空间上彼此靠近的神经元相比距离较远的神经元具有更强的连接趋势。论文采用了之前研究提出的「神经元交换」方法,在代码中被称为auto_swap,可以在保留网络功能的同时缩短连接,有助于识别模块。 图7展示了两个成功识别模块的auto_swap任务:多任务匹配和分层多数投票。其中,KAN的模块结构相比MLP更加简单且富有组织性。 但无论auto_swap结构如何,网络全局的模块化结构仍和整体功能仍不清楚,这就需要用到功能模块化分析,通过输入和输出的前向和后向传递来收集有关信息。 图8定义了三种类型的功能模块化:可分性、一般可分性和一般对称性。 识别符号公式 符号公式信息量最大,因为可以直接、清楚地揭示函数中重要的特征和模块结构。图9展示了与KAN进行交互协作进行符号回归的3个技巧: 1.发现并利用模块化结构 2.稀疏初始化 3.假设检验 用KAN助力物理学研究 除了进行原理层面的说明,论文还讲解了多个具体案例,如何将KAN融入到现实的科学研究中,比如发现新的物理概念和定律。 论文给出的案例包括守恒量、拉格朗日量、隐藏对称性和本构方程等。这里我们以最简单的守恒量发现为例,看看KAN是如何工作的。 守恒量即时间变化过程中保持恒定的物理量,比如能量守恒定律告诉我们,孤立系统的总能量保持不变。 传统上,科学家如果不借助计算工具,仅靠纸笔推导守恒量可能非常耗时,并且需要广泛的领域知识。但机器学习方法可以将守恒量参数化,转化为求解微分方程的问题。 此处所用的方法基本类似于作者Ziming Liu等人2022年发表的论文,但将其中的MLP网络换成了KAN。 论文地址:https://pubmed.ncbi.nlm.nih.gov/36397460/ 比如使用KAN可以发现二维谐振子(x, y, px, py)中具有3个守恒量:x轴方向的能量H1、y轴方向的能量H2和角动量H3。 关于KAN的其他应用,论文也描述了如何从实验数据中推断出拉格朗日量(图11)。 或者,发现Schwarzschild黑洞中的隐藏对称性(图12)。 还有数据驱动的本构定律发现(图13)。本构定律通过模拟材料对外力或变形的响应,定义材料的行为和属性,比如描述弹簧的胡克定律。 作者介绍 Ziming Liu(刘子鸣) Ziming Liu目前是MIT和IAIFI的三年级博士生,由Max Tegmark教授指导。他是两篇KAN论文的第一作者,可以说是这个架构背后最主要的贡献者。 他的研究兴趣主要集中在AI与物理学(以及其他科学领域)的交叉区域: 1. Physics of AI:从物理学原理来理解AI,目标是让「AI像物理学一样简单」; 2. Physics for AI:受物理学启发的AI,目标是让「AI像物理学一样自然」; 3. AI for physics:利用AI增强物理学研究,目标是让「让AI像物理学家一样强大」。 为了实现利用AI和物理学共建更美好世界的最终目标,Ziming Liu对包括发现物理定律、受物理启发的生成模型、机器学习理论、机械解释性等在内的多个主题都有深厚的兴趣。 并且,与凝聚态、高能物理、量子计算等领域的物理学家以及计算机科学家、生物学家、神经科学家和气候科学家等建立了紧密合作关系。 他多次在顶尖的物理期刊和AI会议上发表论文,并担任IEEE、Physical Review、NeurIPS、ICLR等的审稿人。同时,还共同组织了NeurIPS 2021和ICML 2022的AI4Science workshop。 在攻读博士学位之前,他在北京大学获得了物理学学士学位,并曾在微软亚洲研究院实习。 Pingchuan Ma(马平川) Pingchuan Ma目前是MIT CSAIL实验室的博士生,由Wojciech Matusik教授指导。 他的研究方向涵盖了「基于物理的智能」的整个流程: 1. 重建高效逼真的物理环境 2. 基于这些环境生成AI 智能体 3. 在物理世界中实现这些智能体 此前,他在南开大学获得软件工程专业学士学位,并在麻省理工学院获得计算机科学硕士学位。 同时,他还在IBM、字节、商汤、港大等知名机构从事过研究工作,有着丰富的经验。 Yixuan Wang Yixuan Wang目前是加州理工学院,应用及计算数学专业的博士生。 他的研究方向十分广泛,包括数值分析、偏微分方程、应用概率,以及AI for Science。 此前,他在北京大学获得数学学士学位。 Wojciech Matusik Wojciech Matusik是麻省理工学院计算机科学与人工智能实验室(MIT CSAIL)的电气工程与计算机科学教授,也是计算机图形学小组的成员,负责带领计算设计与制造团队。 他的研究兴趣包括计算机图形学、计算设计与制造、计算机视觉、机器人学和人机交互。 他于2003年在MIT获得计算机图形学博士学位,2001年在MIT获得电气工程与计算机科学硕士学位,1997年在加州大学伯克利分校获得电气工程与计算机科学学士学位。 并他曾在三菱电机研究实验室、Adobe和迪士尼苏黎世研究所工作。 2004年,他被「麻省理工科技评论」评为全球100位顶尖青年创新者之一。2009年,获得了ACM Siggraph的杰出新研究者奖。2012年,获得了DARPA青年教师奖,并被评为斯隆研究学者。2014年,获得了Ruth和Joel Spira卓越教学奖。 Max Tegmark Max Tegmark被大家亲切地称为「疯狂的麦克斯」(Mad Max)。 凭借着自己创新的思维和对冒险的热情,他的科研兴趣涵盖从精确宇宙学到探索现实的终极本质。 比如,结合理论与新的测量技术,精确限定宇宙学模型及其参数。在他作为物理学研究者的前25年里,这种研究方向使他主要关注宇宙学和量子信息学。 虽然他仍与HERA合作研究宇宙学,但目前他的主要研究方向是智能的物理学,即运用物理方法深入探索生物智能和AI。 作为麻省理工学院的物理学教授,他发表了超过两百篇技术论文,并多次在科学纪录片中出现。他在SDSS项目中关于星系聚类的研究,赢得了《科学》杂志「2003年度突破」的第一名。 在此之前,Tegmark于1989年在斯德哥尔摩经济学院获得了经济学学士学位,1990年在皇家理工学院获得物理学学士学位。 毕业后,他便前往加州大学伯克利分校继续深造,先后获得物理学硕士和博士学位。 在美国西海岸生活四年后,他回到了欧洲,出任马克斯·普朗克物理研究所的助理研究员。 1996年,他作为Hubble Fellow以及普林斯顿高级研究院的研究员,再次来到美国。 几年后,他获得宾夕法尼亚大学的助理教授职位,并于2003年获得终身教职。 2004年,他来到MIT并定居在查尔斯河畔的剑桥。 相关阅读外贸展会后怎么跟进客户?72小时、7天、30天的完整SOP网易辟谣:王怡未离职,部分营销团队并入事业部OpenAI内部信"摊牌":微软联盟已成枷锁,将押注亚马逊合作突围哔哩哔哩首次全年盈利、友谊时光靠女性向小游戏扬眉吐气丨9家游戏公司财报深度拆解群核科技开启全球招股;众擎机器人完成2亿美元B轮融资;红熊AI完成2.1亿元A轮融资丨投融资周报需要日本PayPal代付;社交APP伊拉克支付提现渠道;收巴西各类流量;海外买量|私域神器每周合作精选No.201一周要闻NO.195丨恶意软件入侵谷歌商店;9家游戏公司财报深度拆解;非洲市场又一电商巨头退场;Meta首个"超级智能"模型亮相微软或考虑将《使命召唤》移出Xbox Game Pass泡泡玛特进军巴西:先打假冒伪劣智元机器人,一分为四! 本文源自「私域神器」,发布者:siyushenqi.com,转载请注明出处:https://www.siyushenqi.com/32472.html 赞 (0) 打赏 微信扫一扫 支付宝扫一扫 0 0 生成海报 关于作者 siyushenqi.com 关注私信 13.9K 文章 0 评论 425 问题 18 粉丝 私域神器:海外私域营销拓客软件 每天免费100万token,GPT-4o新增微调功能 上一篇 2025 年 8 月 13 日 下午9:05 当Agent开始自己创造自己,AI产品爆发还会是遥远的梦吗? 下一篇 2025 年 8 月 13 日 下午9:05 相关推荐 谈谈如何做好欧美市场?我们请到这家热衷于搞怪、魔性休闲手游发行商JoyPac JoyPac作为一家欧洲本土手游发行商,其愿景是“让世界没有被埋没的好游戏。” siyushenqi.com 2025 年 8 月 26 日 • 行业动态 500000 行业动态 谷歌等最新研究,合成数据可将大模型数学推理提升8倍 人类公开的高质量文本训练数据集约有300万亿tokens,但随着大模型的发展,这些数据可能在2026年被消耗完,合成数据成为替代方案。 siyushenqi.com 2025 年 8 月 13 日 474000 不买量,不营销,这款神奇的游戏下架半年后居然逆袭了?! 代入感,是大多数游戏都想为玩家带来的一种体验。然而有这么一款游戏,它却只允许玩家成为故事的旁观者,而不是参与者——它就是由墨西哥游戏工作室HyperBeard打造的《月兔历险记(Tsuki Adventure)》。 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 516000 一条价值千金的建议:如何从0到1做好投放测试? 《游戏立项测试方法论》 siyushenqi.com 2025 年 8 月 3 日 • 行业动态 442000 二次元手游何以长盛不衰?《崩坏3》的回答是永远快玩家一步 对于Z世代为主要受众的二次元手游而言,“长盛不衰”近乎是个伪命题。 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 452000 行业动态 昨天版号曝光,今天暗地打听:你网易怎么冒出了一款《天启行动》? 打响2024射击品类第一枪。 siyushenqi.com 2025 年 8 月 18 日 391000 荣登榜首,Temu做对了什么? 荣登榜首,Temu做对了四件事:1. 具有有竞争力的低价;2. 准时的节日和活动促销活动;3. 移动优先的用户获取;4. 应用游戏化。 siyushenqi.com 2025 年 8 月 13 日 • 行业动态 516000 做体育游戏做到4亿年流水,这家深圳厂商要在「世界杯年」冲刺上市 在国内,体育类手游似乎是一条充满了“矛盾”的赛道。 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 462000 在印度做内容变现,靠谱吗? 26岁的 Asmita Kumari 家在印度北部比哈尔邦的一个二线城市。 siyushenqi.com 2025 年 8 月 15 日 • 行业动态 429000 行业动态 第一批AI公司,已经开始破产了 Robin AI半年内从“英国前十”到挂牌甩卖,只因C轮没到账——AI赛道VC现在要求年均3-5倍、毛利80%以上的“指数级”增长,翻倍已被视为失败。 siyushenqi.com 2025 年 11 月 24 日 417000 行业动态 亚马逊与京东海外抢时效,海外电商物流进入“小时级”比拼 亚马逊与京东在欧美推出小时级配送服务,物流时效成电商竞争关键。平台依托供应链与技术提速,但高成本与可持续性仍是挑战。 转自扬帆出海 2026 年 3 月 23 日 246000 万字长文丨剖析上线全过程 聚焦“千万美元宝贝”MARVEL SNAP的“发家史”(上) 爆款游戏MARVEL SNAP的“发家史”(上) siyushenqi.com 2025 年 8 月 24 日 • 行业动态 490000 靠电动滑板把营收做到1亿,他做独立站有太多意外 “2017年凭借着几条在YouTube组装板子的视频,他意外火了。” siyushenqi.com 2025 年 8 月 13 日 • 行业动态 443000 行业动态 智己汽车亮相2025世界人工智能大会!首获上海新一批智能网联汽车示范运营牌照 7月26日,在2025世界人工智能大会上,智己汽车与享道出行、强生出租组成联合体,率先获得上海市新一批智能网联汽车示范运营牌照。这不仅是对智己汽车L4级自动驾驶技术实力和安全可靠性的权威认证,更标志着该技术从测试验证迈入商业化落地的全新阶段。此次大会上,智己L4级Robotaxi将在上海世博展览馆内进行展示,并为大会嘉宾、观众及周边市民提供接驳服务。 同期,… siyushenqi.com 2025 年 8 月 13 日 下午9:05 466000 行业动态 WhatsApp耐发号技术原理与应用分析 虚拟号码与隐私保护 动态生成与效率提升 WhatsApp耐发号技术在营销中的应用 提升客户服务体验 防止滥用与封号风险 虚拟号码与隐私保护 WhatsApp耐发号技术的核心之一是虚拟号码的使用。通过虚拟号码,用户可以在不暴露真实号码的情况下与外部进行通信。这种技术不仅保护了用户的隐私,还减少了因滥用信息而导致的风险。 虚拟号码在防止垃圾信息和骚扰方面发挥着重… siyushenqi.com 2025 年 8 月 13 日 下午9:05 466000 行业动态 本周外贸大事,外贸人请查收! 一、商务部:坚决稳住外贸外资基本盘 近日,全国稳外贸稳外资电视电话会议在京召开,对下一阶段稳外贸稳外资工作作出安排。会议强调,要准确把握当前外贸外资形势,以实实在在的工作成效,坚决稳住外贸外资基本盘,更好服务经济社会发展大局。 二、韩国今年税收缺口恐超3200亿元 创历史新高 据分析,产生税收缺口的主要原因是半导体等企业业绩不振和韩国资产市场萎缩,进而导致了… siyushenqi.com 2025 年 8 月 13 日 下午9:05 466000 行业动态 TikTok与欧盟和解避免巨额罚款 TikTok 向欧盟提交具有约束力承诺,12 个月内上线符合 DSA 的“完整广告存储库”,24 小时内披露广告内容、定向标准与用户画像,供监管机构与研究人员查验。 siyushenqi.com 2025 年 12 月 10 日 355000 行业动态 生成式AI“杀入”出版业,17家媒体高管谋划3大反击措施 《纽约时报》、彭博社的记者通过对17名媒体高管的采访,分析了当下生成式AI对新闻出版业的影响、各大媒体应对生成式AI带来问题的措施 siyushenqi.com 2025 年 8 月 14 日 436000 字节AI:失之PICO,收之飞书? 在阿里宣布所有产品接入自研大模型“通义千问”的同一天,字节AI也掀开了面纱一角。 siyushenqi.com 2025 年 8 月 14 日 • 行业动态 474000 快手Q2成绩单:国内业务提前实现单季盈利目标,日活3.47亿创新高 8月23日快手科技(1024.HK)发布2022年第二季度及半年度业绩 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 493000 行业动态 2022年8月中国手游发行商全球收入排行榜 2022年8月中国手游发行商在全球 App Store 和 Google Play 的收入排名。本期共40个中国厂商入围全球手游发行商收入榜TOP100,合计吸金超过20亿美元,占全球TOP100手游发行商收入38.1% siyushenqi.com 2025 年 8 月 24 日 463000 行业动态 WhatsApp超级号与普通号功能对比及适用场景分析 WhatsApp超级号与普通号功能对比 主要功能差异 适用场景分析 对比分析 常见问题 WhatsApp超级号与普通号功能对比 随着社交应用的日益普及,WhatsApp逐渐成为企业和个人用户的主要沟通工具。WhatsApp提供了两种主要账号类型:超级号和普通号。两者在功能和适用场景上存在显著差异,分别适合不同的用户群体。超级号针对的是企业和大规模用户互动,而… siyushenqi.com 2025 年 8 月 13 日 下午9:05 466000 行业动态 “消失”的日本人形机器人 在全球人形机器人产业中,日本的声音逐渐减弱。摩根士丹利的《Humanoid 100》报告显示,日本在人形机器人相关上市公司和独角兽企业中表现不佳,与日本在该领域的早期领先地位形成鲜明对比。 siyushenqi.com 2025 年 8 月 13 日 419000 商汤ChatGPT「商量」炸场!秒生6K神图,代码提速62%,现场直播怼脸 「日日新SenseNova」大模型体系发布,商汤正式官宣入局! siyushenqi.com 2025 年 8 月 14 日 • 行业动态 428000 《黑道风云》累计流水破10亿美元大关——3月手游出海TOP30 近日海外市场头部被《原神》和《赛马娘》两款二次元手游所占领,后者3月吸金超过1.36亿美元,是近期表现最亮眼的新游。 siyushenqi.com 2025 年 8 月 25 日 • 行业动态 490000 行业动态 哈工大发布动画多智能体,文本一键生成连贯动画 随着大规模多模态模型的兴起,利用AI技术生成叙事性视频成为研究热点。但现有方法如MINT Video和TTT-Video在生成长视频时,存在维持视觉连贯性和叙事一致性等挑战,单个视频片段生成虽质量提升,多片段组合时又出现过渡生硬、内容重复等问题,影响观看体验且限制了AI在动画制作领域的应用范围。 siyushenqi.com 2025 年 8 月 13 日 465000 行业动态 GPT-4 又升级了!AI应用出海如何弯道超车? OpenAI 开发者大会上,GPT-4 迭代版本 GPT-4 Turbo 的发布毫无疑问引发了AI圈的巨大震动。算法的迭代推动全球AI市场快速升温,新的AI应用不断涌现。 siyushenqi.com 2025 年 8 月 13 日 426000 刚获版号,交由腾讯发行,这个明星团队的第一款二次元有多炸? 这是一款值得寄予厚望的游戏。 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 505000 行业动态 史上最大规模融资!AI巨无霸Databricks诞生,投资细节公开 Databricks宣布了由Thrive Capital领投的J轮融资,筹集100亿美元,融资完成后估值达到620亿美元,这是硅谷史上最大规模的一轮风险投资之一。 siyushenqi.com 2025 年 8 月 13 日 500000 频频出手,FunPlus又开始测试新SLG了 观察2019-2021的榜单,不难发现有一个题材有且仅有一款产品稳居其中——《黑道风云》。 siyushenqi.com 2025 年 8 月 24 日 • 行业动态 476000 发表回复 请登录后评论...登录后才能评论 提交