Recraft团队通过结合TextDiffuser-2技术和自训练的大型语言模型，提升了文本到图像渲染的质量和准确性，不过现有模型在处理复杂语言如中文和未明确指定的文本时，仍存在渲染不准确的问题。
全球首个支持多主体一致性的多模态模型，刚刚诞生！Vidu 1.5一上线，全网网友都震惊了：LLM独有的上下文学习优势，视觉模型居然也有了。
随着人形机器人技术的迅猛发展，如何有效获取高质量的操作数据成为核心挑战。鉴于人类操作行为的复杂性和多样性，如何从真实世界中精准捕捉手与物体交互的完整状态，成为推动人形机器人操作技能学习的关键所在。
五年内 AGI 还能否如期而至？
新一代通用灵活的网络结构 TokenFormer: Rethinking Transformer Scaling with Tokenized Model Parameters 来啦！
在未来，得AI者才能得天下。 今年年初，OpenAI发布了“文生视频”的工具Sora，仅凭几段视频，就让很多人见识到了AI生成视频的力量。
随着大语言模型（LLMs）在处理复杂任务中的广泛应用，高质量数据的获取变得尤为关键。为了确保模型能够准确理解并执行用户指令，模型必须依赖大量真实且多样化的数据进行后训练。然而，获取此类数据往往伴随着高昂的成本和数据稀缺性。因此，如何有效生成能够反映现实需求的高质量合成数据，成为了当前亟需解决的核心挑战。
彭博今天消息，OpenAI 正准备推出一款代号为“Operator”的全新AI Agent产品，可以自动执行各种复杂操作，包括编写代码、预订旅行、自动电商购物等。
不瞒大家说， AI 已经全面融入差评了。
「未来，消费者更可能倾向于与 AI 沟通，而非人工客服，因为这将成为解决问题的最高效途径。」
30多年的数学猜想首次获得了进展！Meta等学者提出的PatternBoost，使用Transformer构造了一个反例，反驳了一个已悬而未决30年的猜想。是否所有数学问题都适合机器学习技术？这样的未来太令人期待了。
随着云计算平台的搭建和数据量的爆炸式增长，生成式人工智能（AI）在艺术领域的应用变得日益广泛，在多种技术交织而成的新型创作语境中，文艺创作迎来了新的挑战和机遇，AI技术正在重塑影视工业的全流程，并为观众带来前所未有的视听体验。
手机厂商VS超级APP，巨头逐鹿AI时代
在欧洲最大科技峰会Web Summit上，阿里国际推出全球首个B2B领域的AI搜索引擎Accio，面向全球商家开放，正式入局当下火热的AI Search赛道。
GenXD模型结合CamVid-30K数据集突破了3D和4D场景生成的挑战，能从单张图片生成逼真的动态3D和4D场景。这一进展为虚拟世界构建带来新的可能性，让动态场景的生成更加快速和真实。
LLM未实现机器常识，挑战常识推理。
大模型的下一个风口，就在眼前了：使用百度文心智能体，有人的单次转化最高收入已经达到10万元！无论是9岁小学生，38岁失业打工人，还是51岁退休阿姨，都能轻松玩转。文心智能体，将为千行百业注入AI新动力。
在铁轨上找到了AI落地方向。 一家盈利的AI公司冲刺港股市场。
真正是，条条大路通罗马。 有了AI ，咱就更能理解什么是：条条大路通罗马。
据IT桔子统计，共有351位AI领域的创业者毕业于清华大学
老黄又来做推销员了。
继稚晖君之后，国内又一家头部机器人公司玩起了开源！
几十万人关注，一发表即被行业大佬评为“这是很长时间以来最重要的论文”。
从文字生成三维世界的场景有多难？
世界模型又出新进展了，来自国内机构。
连续学习（CL）旨在增强机器学习模型的能力，使其能够不断从新数据中学习，而无需进行所有旧数据的重新训练。连续学习的主要挑战是灾难性遗忘：当任务按顺序训练时，新的任务训练会严重干扰之前学习的任务的性能，因为不受约束的微调会使参数远离旧任务的最优状态。
今年的机器人顶会 CoRL 杰出论文，竟然帮自动驾驶车稳稳地完成了漂移。
如何更好地设计提示词（Prompt）一直是大家关注的焦点。最近，一个独特的研究视角引起了广泛关注：将LLMs视为“演员”，将提示词视为“剧本”，将模型输出视为“表演”。
今天，OpenAI 联合创始人 Greg Brockman 宣布结束悠长假期，以总裁身份重返 OpenAI 。 「人生中最长的假期，结束了。」 Greg 在 X 上写道，回来继续搞事情。
我上周一上架了个叫「小猫补光灯」的App，这款App的功能其实很简单，就是能够将手机屏幕设置为不同颜色的补光色卡，帮助女生在拍照的时候能获得更好的效果。它的功能简单到我作为一个不会写代码非工程师出身的人，用Cursor只花了1小时就写完了代码，在第二天就被AppStore审核通过上线了。
