3月22日·马斯克启动TERAFAB项目，目标年产万亿瓦算力

3月22日·周日   AI工具和资源推荐

AI智库导航-aiguide.cc为您提供最新的AI新闻资讯和最新的AI工具推荐，在这里你可以获得用于营销的AI聊天机器人、AI在商业管理中的应用、用于数据分析的AI工具、机器学习模型、面向企业的AI解决方案、AI在商业客户服务中的应用、AI和自动化工具等。

马斯克启动TERAFAB项目，目标年产万亿瓦算力

马斯克近日宣布启动TERAFAB项目，旨在每年生产超过1太瓦（TW）的算力，其中80%用于太空，20%用于地面。该项目由SpaceX和Tesla共同完成，将大幅推动AI芯片和算力的发展。马斯克表示，现有供应商无法满足未来需求，因此决定自建巨型芯片工厂。这一举措不仅展示了马斯克对未来科技发展的雄心，也预示着太空计算的新时代即将到来。来源：微信公众号【机器之心】

Harness Engineering：Agent工程优化的新范式

随着AI Agent进入生产环境，业界关注重点从生成转向执行。Harness Engineering作为新的工程优化范式，通过设计执行环境、约束机制和反馈回路，提升Agent的稳定性和可用性。LangChain团队通过调整Harness，显著提升了coding agent的性能，证明了Harness Engineering的价值。这一趋势预示着，未来Agent的优化将更多依赖于系统层的设计而非底层模型的更换。来源：微信公众号【机器之心】

华为诺亚实验室提出新方法，提升扩散语言模型效率

华为诺亚方舟实验室最近提出了一种新的训练方法，通过改进masking策略，提升扩散语言模型（Diffusion LLM）的训练效率。该方法结合互补掩码与优先级掩码，使模型在训练时能够“抓重点”，避免均匀发力。实验结果显示，相比标准随机masking，新方法在多个基准测试中平均成绩提升了约4%。这一研究为扩散语言模型提供了更有效的训练思路。来源：微信公众号【机器之心】

浙大团队提出TARA方法，提升多模态模型分层识别能力

浙江大学联合多家机构的研究团队提出了分类感知表征对齐方法（TARA），通过将大模型与生物基础模型的中间表征对齐，注入类别树结构知识，提升多模态大模型的分层视觉识别能力。实验结果显示，TARA方法在多个数据集上显著提升了细粒度类别和新类别的识别准确率。这一研究为多模态大模型在复杂视觉识别任务中的应用提供了新思路。来源：微信公众号【机器之心】

多模态模型置信度校准：浙大团队提出CA-TTS框架

浙江大学等研究团队针对多模态大模型在复杂视觉推理中产生的“盲目自信”问题，提出了CA-TTS框架。该框架通过置信度驱动的强化学习，校准模型的自我评估能力，并将校准后的置信度转化为推理阶段的资源分配信号。实验结果显示，CA-TTS在多个视觉推理基准上达到了SOTA，显著提升了模型的准确性和可靠性。这一研究为多模态大模型在高风险场景中的应用提供了重要保障。来源：微信公众号【机器之心】