AI 为何出现“失语”现象？
本文借 MiniMax 模型无法准确拼写“马嘉祺”之名，剖析大模型一种新型缺陷——AI 失语（内知外不知）：模型虽掌握答案、能侧面阐述，却难以直接输出正确结果，根源在于词元训练不足（under-trained tokens）。一、核心案例：马嘉祺风波• 提问：“时代少年团队长是谁？”→ 回答出现“马嘉轩”“马丝祺”等错别字。• 追问：“队长有哪些经历？”→ 可准确陈述出道历程及作品详情。• 结论：模型并非无知，而是无法表达。二、AI 三大常见故障1. 幻觉（Hallucination）：严肃地编造虚假事实
AI如何理解人类语言？揭秘Token的作用
这篇文章用通俗易懂的语言剖析了大型语言模型（LLM）中至关重要的“Token”概念。文章说明了Token是AI处理文本的最小单元，讲解了分词器如何把人类语言变成Token序列，指出了Token数量直接关系到AI的计算成本和价格，还梳理了Llama系列模型分词器的发展历程。你是否有过这样的体验？读了不少关于大模型（LLM）的文章，却总觉得像雾里看花，看不真切？别焦虑，今天咱们抛开那些晦涩的理论，只谈一个最基础且核心的概念——Token。一旦弄明白了它，你对 AI 的认知会立刻通透一大截！坦白讲，直到我完全掌
美团开源原生多模态模型LongCat-Next
新浪科技讯 3月27日上午消息，美团发布并全面开源原生多模态大模型LongCat-Next及其核心组件离散原生分辨率视觉分词器（dNaViT）。 该模型打破了当前大模型以“语言为中心”的传统拼凑式架构，将图像、语音与文本统一映射为同源的离散Token。通过纯粹的“下一个Token预测”（Next Token Prediction，NTP）范式，LongCat-Next让视觉与语音成为AI的“原生母语”。 据介绍，LongCat-Next实现了三项关键技术突破：一是离散原生自回归架构（DiNA）彻底打破模态