哈佛研究中心探讨人类智能与AI计算智能是否本质相同
其核心观点是这样的。一些人坚定地认为，我们已经找到了让AI达到人类智能水平的方法，现代大语言模型、生成式AI和计算Transformer就是证据。更进一步，也是最关键的一点，他们声称人类智能与计算智能本质相同。大脑和心智就是计算机制，只不过是以生化方式而非传统
token
8.9ms推理速度新纪录！1元百万token，浪潮信息加速智能体产业化
今年的人工智能计算大会上，浪潮信息发布了超扩展AI服务器元脑HC1000，把AI推理成本狠狠地打了下来。
LLM最黑科技曝光：你打字的每一步，都在被它偷偷“拆碎”
得先搞懂：模型的“脑子”，就那么大——GPT-2装3万个“小砖块”，GPT-3装5万，现在最牛的模型也就10万左右。可英语有几十万单词，中文有几百万，根本装不下所有词。
大模型如何理解图像、音频等多模态内容（多模态 Token
语言模型不再局限于文本。如今的 AI 系统可以理解图像、处理音频，甚至处理视频，但它们仍然需要先将一切都转换为 Token。就像「Hello world!」在文本处理中会变成离散的 Token 一样，一张照片会被切成图像块，一首歌会变成一个音频编码序列。
国内首次！8.9毫秒推理速度破纪录，1元打穿百万token
当所有人还在为参数内卷时，智能体真正的决胜点已经转向了速度与成本。浪潮信息用两款AI服务器直接给出了答案：一个将token生成速度干到10毫秒以内，一个把每百万token成本打到1元时代。
强化学习之父：大语言模型是一个错误的起点
在 Sutton 看来，真正的智能源自经验学习，通过行动、观察与反馈持续修正行为，实现目标；相比之下，大语言模型的预测能力更多是对人类行为的模仿，它没有独立的目标，也无法对外部世界的变化产生真正意义上的惊讶和调整。
刚刚，北大&360里程碑式突破！32B安全分碾压千亿巨兽
打破思维惯性，「小模型」也能安全又强大！北大-360联合实验室发布TinyR1-32B模型，以仅20k数据的微调，实现了安全性能的里程碑式突破，并兼顾出色的推理与通用能力。
大模型“精细化”对齐，真实性提升25.8%刷新SOTA
在大模型广泛应用的时代，如何让模型输出更符合人类价值观（如真实性、无害性、公平性）已成为关键挑战。传统方法通常依赖大量数据微调，成本高、效率低，且容易引入新风险。
免训练加速61倍！陈怡然团队新作DPad：仅关注「彩票token」
杜克大学团队发现，扩散大语言模型只需关注少量「中奖」token，就能在推理时把速度提升61-97倍，还能让模型更懂格式、更听话。新策略DPad不训练也能零成本挑出关键信息，实现「少算多准」的双赢。
说下token和refresh-token
这哥俩经常在【身份认证（Authentication）】和【授权（Authorization）】系统中成对出现，共同协作来平衡【安全性（Security）】与【用户体验（User Experience）】。
扩散过程「早预警」实现6x加速，AIGC生图的高效后门防御
本文的第一作者翟胜方和共同第一作者李嘉俊来自北京大学，研究方向为生成式模型安全与隐私。其他合作者分别来自新加坡国立大学、清华大学、浙江大学和弗吉尼亚理工大学。
超越免训练剪枝：LightVLA引入可微分token剪枝，首次实现VLA模型性能和效率的双重突破
保留无用 token 导致性能下降： 当在 LightVLA 已保留的 k 个 token 之外再补充 k 个随机 token 时，整体性能反而下降，说明 LightVLA 已经捕捉到所有关键信息，额外的随机 token 只会引入噪声与干扰。丢弃有用 toke
纯RL破局！DeepSeek-R1 登上《Nature》 性能逼近GPT-4o
在人工智能领域，大语言模型（LLMs）的推理能力始终是衡量技术突破的核心指标之一。传统方法多依赖人类标注的推理轨迹或特定提示策略，虽然能够在任务当中取得一定的成绩，但却受限于标注成本与人类思维边界。
推理力、响应、交互感：Mini-Omni-Reasoner如何打破对话模型困境
在语音 AI 领域，模型想要做到「反应快」「会思考」「表达好」，几乎就是不可能三角：要么逻辑缜密但反应慢，要么响应迅速但没啥逻辑深度。Mini-Omni-Reasoner 的出现，打破了这个困境。它不是单纯加快语速，也不是堆大模型，而是提出了一个全新的思路——
如何正确理解Token经济学？
就像工业时代用“千瓦时”度量电力消耗，互联网时代用“GB”度量数据流量，AI时代用“Token”来度量模型的工作量。一个Token可以理解为一个词或词片段（中文里可能是一个字或词语）。
科技重磅发布：让AI看懂复杂视频的&
快手科技的研究团队在2025年9月9日发布了一项令人瞩目的研究成果——Keye-VL 1.5技术报告。这项由快手Keye团队主导的研究，详细介绍了一个能够深度理解视频内容的多模态大语言模型。研究论文已发表在arXiv预印本平台上，编号为arXiv:2509.0
LightVLA可微分token剪枝，首次实现VLA模型性能和效率的双重突破
本文共同第一作者蒋体通，清华大学直博五年级学生，研究方向是VLA、自动驾驶和人机交互等。共同第一作者蒋雪枫，中国科学院计算技术研究所直博五年级学生，研究方向聚焦弱监督学习，多模态大模型应用和生成式自动驾驶等。本文通讯作者朗咸朋，理想汽车智能驾驶副总裁。
PM勇闯技术 – Cookie、Session和Token
Cookie、Session、Token到底有什么区别？产品经理也该懂！这篇文章用最简单的方式讲清楚三者的原理和应用场景，读完你就能和技术同事聊得上认证机制了。
性能飞跃：TensorRT-LLM 在线负载均衡策略与实测解析
之前文章已介绍引入大规模 EP 的初衷和 TensorRT-LLM 的大规模专家并行架构设计与创新实现。本篇将具体介绍 TensorRT-LLM 在线负载均衡策略与实测解析。
周观点 |AI编程驱动大模型Token调用量高增，看好游戏全年主线推荐【建投传媒互联网】
重要提示：通过本订阅号发布的观点和信息仅供中信建投证券股份有限公司（下称“中信建投”）客户中符合《证券期货投资者适当性管理办法》规定的机构类专业投资者参考。因本订阅号暂无法设置访问限制，若您非中信建投客户中的机构类专业投资者，为控制投资风险，请您取消关注，请勿