首次提出了覆盖全面、多层次、可扩展的四维正交分析框架，系统解构TTS技术。作者丨张启源 吕福源当训练成本飙升、数据枯竭，如何继续激发大模型潜能？随着大模型训练成本急剧攀升、优质数据逐渐枯竭，推理阶段扩展（Test-Time Scaling, TTS） 迅速成为后预训练时代的关键突破口。与传统的“堆数据、堆参数”不同，TTS 通过在推理阶段动态分配算力，使同一模型变得更高效、更智能——这一技术路径在 OpenAI-o1 和 DeepSeek-R1 的实践中已初显威力。在数学、编程等硬核任务上，TTS 表现亮眼；而在开放问答、多模态理解乃至复杂规划等场景中，它同样展现出巨大潜力。目前，研究者已探索了多种 TTS 策略，如 Chain-of-Thought (CoT)、Self-Consistency、Search 和 Verification，但该领域仍缺乏统一的研究视角与评估框架。最近，来自香港城市大学、McGill、人大高瓴、香港中文大学、Salesforce 等机构的研究者联合发布了首篇系统性的 Test-Time Scaling 领域综述：《What, How, Where,...

大规模预训练攻击框架AnyAttack无需预设标签，即可将普通图像转化为有目标的有目标对抗样本。 作者丨张家明 近年来，视觉语言模型（Vision-Language Models, VLMs）在多模态 AI 领域展现了重要的研究价值和应用潜力，但其安全性问题也逐渐受到关注。例如，攻击者可能通过对抗样本操控模型输出，导致模型生成错误信息或内容被篡改等风险。传统对抗攻击方法因依赖预设标签，难以适应大规模数据场景，因此其威胁范围相对有限。 针对这一问题，来自香港科技大学、北京交通大学、复旦大学、新加坡管理大学等机构的学者联合提出了一种新的大规模预训练攻击框架AnyAttack，通过设计的创新自监督学习任务，在LAION-400M数据集上完成了对攻击噪声生成器的大规模预训练。基于预训练的攻击生成器，攻击者可以针对任何下游任务，微调生成指向任何目标图像的对抗噪声。该框架能够在无需预设标签的情况下，将普通图像转化为有目标的有目标对抗样本，从而有效测试和评估大规模VLM模型的鲁棒性。相关研究成果已被计算机视觉领域顶级会议 CVPR 2025 收录。 论文标题：《AnyAttack:...

投机者能抓住短期机会，但实力者才能抓住长期机会。作者丨陈彩娴DeepSeek 风暴后，中国的大模型创业圈会发生什么样的变化？近日来，笔者也与多位业内人士进行了探讨，发现国产大模型圈目前出现了两个极端：一个是极端的热血沸腾，另一个则是极端的霜打茄子。前者以积极拥抱 DeepSeek 生态的算力厂商与模型服务厂商、以及原先没有能力参与大模型“军备竞赛”的开源受益者为代表，后者则以其他中国大模型创业公司（俗称“大模型六小虎”）与过去两年投资了这些公司的 VC 们为主，形成了一个“冰火两重天”的局面。据了解，部分在过去两年投了估值在第一梯队的大模型公司的 VC 团队已经开始准备/正在接受内部的“鞭尸”，主要被质问的角度无非是几点：“为什么 DeepSeek 用这么低的成本就能训练出这么强大的模型，而我们投的大模型公司融资了几十亿美金却做不出来？”“DeepSeek 这次能出圈本质还是技术足够创新、足够牛。XXX 家连基本的大模型技术团队都没有，为什么要投？”“XXX 也有非常强大的人才团队，而且也有训练基座大模型的经验与追求，为什么没有成为...