暂无搜索历史
近日，刚刚 IPO 的国产 GPU 公司沐曦股份，完成了自上市后的首个重大技术发布。
作为大模型从业者或研究员的你，是否也曾为一个模型的 “长文本能力” 而兴奋，却在实际应用中发现它并没有想象中那么智能？
文本提示图像分割（Text-prompted image segmentation）是实现精细化视觉理解的关键技术，在人机交互、具身智能及机器人等前沿领域具有重...
现年 69 岁的传奇程序员、「Go 语言之父」Rob Pike，这几天被一封邮件惹毛了，接连几个「F**k」爆起粗口。
前段时间，旧金山大停电，Waymo 无人驾驶出租车集体趴窝，但依靠 FSD 系统驱动的特斯拉汽车丝毫不受影响。
因此，一个面向真实物理世界的先进的全模态智能架构，不仅需要对真实世界中的多模态交互做出正确响应，还应具备遵循物理世界规律的感知与推理能力，以实现对复杂现实环境的...
第一作者徐源诚是 Netflix Eyeline 的研究科学家，专注于基础 AI 模型的研究与开发，涵盖多模态理解、推理、交互与生成，重点方向包括可控视频生成及...
年末的假期，正是总结思考的时候。不过对于程序员来说，仔细这么一想可能会感觉有点不对劲。
近年来，大语言模型在「写得长、写得顺」这件事上进步飞快。但当任务升级到真正复杂的推理场景 —— 需要兵分多路探索、需要自我反思与相互印证、需要在多条线索之间做汇...
在 2025 年的最后时刻，一个全新视频生成加速框架的开源宣告了：「等待数分钟才能生成一个视频」的时代已经终结！
在 LLM Agent 领域，有一个常见的问题：Agent 明明 "看到了" 错误信息，却总是重蹈覆辙。
近日，多模态视频理解领域迎来重磅更新！由复旦大学、上海财经大学、南洋理工大学联合打造的 MeViSv2 数据集正式发布，并已被顶刊 IEEE TPAMI 录用。
但在 2025 年的尾声，从人才引进到产品迭代再到组织变革，一系列密集信号的发出，也侧面表明这个巨头正在按下加速键。
什么？决定 AI 上限的已不再是底座模型，而是外围的「推理编排」（Orchestration）。
来自南京大学 PRLab 的王淞平、钱儒凡，在单彩峰教授与吕月明助理教授的联合指导下，提出首个面向图生视频（I2V）模型的多模态自进化越狱攻击框架 Runawa...
很多人可能并不了解，在贵州，IPTV 已经成为当下覆盖最广的家庭信息入口之一 —— 家庭覆盖率接近 89%，用户规模超过 1129.5 万户。
本文第一作者是 UTS 博士生杨向鹏，主要研究方向是视频生成和世界模型；第二作者是谢集，浙江大学的四年级本科生，主要研究方向统一多模态大模型和视频生成。通讯作者...
在 SIGGRAPH Asia 2025 期间，盛大集团（Shanda Group）旗下，盛大 AI 东京研究院（Shanda AI Research Toky...
这就是摩尔线程最新 AI 计算卡 S5000，单卡跑满血 DeepSeek 大模型的成绩。
长期以来，具身智能系统主要依赖「感知 - 行动」的反应式回路，缺乏对未来的预测能力。而世界模型的引入，让智能体拥有了「想象」未来的能力。
暂未填写学校和专业
暂未填写个人网址
暂未填写所在城市
