据报道,在一份员工问题的 AI 总结中,Hassabis 被问及公司可以从 DeepSeek 的成功中学到"什么经验和启示"。他向员工表示,DeepSeek 声称的训练具有竞争力的 AI 模型的低成本可能"只是"其实际花费的"一小部分",并且这家 AI 初创公司可能使用了比其声称更多的硬件。据报道,他还告诉员工,DeepSeek 很可能依赖于西方 AI 公司的先进模型。
据报道,Hassabis 对员工表示:"事实上,我们拥有比 DeepSeek 更高效、性能更好的模型。因此,我们对自己的战略非常镇定和自信,我们具备在今年保持领先地位的所有要素。"
Google 和 DeepMind 均未立即回应置评请求。
据 CNBC 报道,本周早些时候,在巴黎 AI 行动峰会的 Google 活动上,Hassabis 表示杭州这家初创公司的 AI 模型"可能是"中国"最好的成果",而且"令人印象深刻"。Hassabis 表示 DeepSeek 展示了"极其出色的工程能力",其 AI 模型具有更深层的地缘政治意义。
然而,据 CNBC 报道,他也表示 DeepSeek 并未展示"真正的科学突破",而是"使用了" AI 行业的"已知技术"。
上个月,DeepSeek 发布了其最新开源推理模型 DeepSeek-R1 的结果,该模型在多个行业基准测试中的表现可与 OpenAI 的推理模型 o1-mini 和 o1 相媲美。去年 12 月,该初创公司推出了 DeepSeek-V3 模型,称其在 Nvidia (NVDA-1.42%) 的 H800 芯片(Nvidia H100 芯片的降级版本,供美国公司使用)上的训练和开发成本仅为 560 万美元。
DeepSeek 这种低成本却具有竞争力的模型引发了人们对科技巨头在 AI 基础设施上的巨额支出的质疑,同时也让人思考美国芯片出口管制的有效性。
好文章,需要你的鼓励
这项研究由新加坡国立大学团队开发的DualParal技术,通过创新的双重并行架构解决了AI视频生成的长度限制问题。该方法同时在时间帧和模型层两个维度实现并行处理,配合分块降噪机制、特征缓存和协调噪声初始化策略,使生成分钟级长视频成为可能。实验表明,在生成1,025帧视频时,DualParal比现有技术减少了高达6.54倍的延迟和1.48倍的内存成本,同时保持了高质量的视频输出,为内容创作者提供了生成更长、更复杂视频叙事的新工具。
SoloSpeech是约翰霍普金斯大学研究团队开发的创新语音处理技术,针对"鸡尾酒会效应"问题提出了全新解决方案。该系统通过级联生成式管道整合压缩、提取、重建和校正过程,实现了高质量目标语音提取。与传统判别式模型相比,SoloSpeech采用无需说话者嵌入的设计,直接利用提示音频的潜在空间信息与混合音频对齐,有效避免特征不匹配问题。在Libri2Mix及多个真实世界数据集上的评测显示,SoloSpeech在清晰度、质量和泛化能力上均达到了领先水平,为语音分离技术开辟了新方向。
这项由北京大学深圳研究生院、伟湾大学、腾讯ARC实验室和兔小贝智能联合研究的Sci-Fi框架,通过创新的对称约束机制,解决了视频帧间插值中的关键问题。研究团队设计了轻量级EF-Net模块,增强结束帧约束力,使其与起始帧形成平衡影响,从而生成更自然流畅的中间过渡帧。实验证明,该方法在各种场景下都优于现有技术,特别适用于电影制作、动画创作和视频编辑领域,显著降低了人力成本。
这项来自西北大学和谷歌的研究突破了传统马尔可夫强化学习的局限,通过贝叶斯自适应RL框架解释了大语言模型中涌现的反思性推理行为。研究团队提出的BARL算法通过维护多个解题策略的后验分布,指导模型何时何地进行反思性探索,在数学推理任务上展现出显著优势,比基线方法减少高达50%的标记使用量,同时提高了准确率。这一研究不仅解释了"为什么反思有用",还提供了实用的指导原则,为AI系统的自适应推理能力开辟了新方向。