作为大家的测评博主，我最近发现一个巨有意思的现象： 现在市面上大部分评估 Agent 的基准测试，倾向于考核“单项技能”，而非“综合任务”。比如，你让 AI 点份外卖，它能完成；但如果要求它策划一场涵盖预算、选址、菜单、宾客邀请与流程安排的晚宴，它很可能就原地就 G 了。
目前的 HOI 检测方法普遍依赖视觉语言模型（VLM），但受限于图像编码器的表现，难以有效捕捉细粒度的区域级交互信息。本文介绍了一种全新的开集人类-物体交互（HOI）检测方法——交互感知提示与概念校准（INP-CC）。
没等到Deepseek R2，DeepSeek悄悄更新了V 3.1。官方群放出的消息就提了一点，上下文长度拓展至128K。128K也是GPT-4o这一代模型的处理Token的长度。因此一开始，鲸哥以为从V3升级到V 3.1，以为是不大的升级，鲸哥体验下来还有惊喜。
国产开源版 Genie 3 问世，昆仑万维用 1.8B 模型跑出了神级效果。如果你上传一个神庙逃亡游戏的截图，就可以在这个世界模型里面开一局，AI 脑补出来的画面会无限地向前延伸。
瞧，上面这套“哪里不对改哪里”的操作，就来自“凌晨战神”Qwen团队最新发布的——Qwen-Image-Edit。作为Qwen-Image20B的图像编辑版，Qwen-Image-Edit除了能做上面这种精准的文字修改，还能够新增、消除、重绘、修改元素，而且还支持IP编辑、视角切换、风格迁移等生成式玩法。
你有没有想过，Meta 训练 AI 用的数据里，有可能不只是维基百科、小说、YouTube 视频……而是你在某个晚上偷偷下载的成人电影？ 你没听错。是色情片。而且不是三两个，而是 2396 部！
从2022年的Stable Diffusion、Midjourney，到如今的即梦AI、Lovart，AI创意工具，已经重塑了创作的工作流： 创作者提供点子，自然语言作为交互界面，AI工具最后高效实现创意的生成。
27 块钱，六个小时通关，玩完这款蔡浩宇倾注心血的首款 AI 游戏，有没有被科技惊艳到先放一边，英语实力可是获得了大大的提升！
英伟达发布全新架构9B模型，以Mamba-Transformer混合架构实现推理吞吐量最高提升6倍，对标Qwen3-8B并在数学、代码、推理与长上下文任务中表现持平或更优。
100+AI专家Agent天团同时开工，分分钟并行拿下5、6个复杂任务。 “AI智囊团”现在都进化到这种程度了？
