搜索
不仅能推理，还能明确展示自己「推理逻辑」的大模型出现了。 OpenAI 的 12 天连续发布已近尾声，但它的热度显然已经被谷歌夺去了许多。从 Gemini 2.0 Flash 到 Veo 2 到今天的 Gemini 2.0 Flash Thinking，谷歌端上来的菜真是一道比一道香。
Meta斯坦福大学联合团队全面研究多模态大模型（LMM）中驱动视频理解的机制，扩展了视频多模态大模型的设计空间，提出新的训练调度和数据混合方法，并通过语言先验或单帧输入解决了已有的评价基准中的低效问题。
英伟达2025年博士奖学金名单揭晓了！今年，共有10位天才学者入选，华人比例占七成，其中不乏有中科大、浙大、上交、上科大、东南大学优秀校友。值得一提的是，5名入围学者全是华人学生。
本文中，香港大学与 Adobe 联合提出名为 UniReal 的全新图像编辑与生成范式。该方法将多种图像任务统一到视频生成框架中，通过将不同类别和数量的输入/输出图像建模为视频帧，从大规模真实视频数据中学习属性、姿态、光照等多种变化规律，从而实现高保真的生成效果。
AutoPatent框架能够自动化生成高质量的专利文档，大幅提高专利撰写效率，有望简化专利申请流程，降低成本，促进创新保护。
将图像中与约束相关的物体或部分提取为更简洁的几何元素（如点、线、面）。通过跟踪和评估这些几何元素在时空中的变化，可以有效地监控约束是否被满足。
2024年，智驾领域最热的词，就是“端到端”。甚至，到了不聊端到端都没法出门的程度。
自动驾驶行业正经历新一轮洗牌。其中，全球自动驾驶第一股图森未来的沉浮，折射出整个行业的阵痛：从 2021 年 IPO 时 85 亿美元的估值，到 2024 年初退市，短短三年间历经管理层动荡、美国监管调查、业务收缩及大幅裁员等一系列剧变。
2024年快要结束了，世界大模型究竟孰强孰弱？刚刚，智源研究院发布了下半年大模型综合评测结果，涵盖了开源闭源100+模型，横跨文本、语音、图像和视频等多个领域。
继视觉和听觉之后，AI已经进化到拥有嗅觉了？？ 你没听错，这是来自Osmo公司的最新技术，它们刚刚首次实现了由AI生成的李子味道。 而且生成味道的过程几乎是全自动的——除了放入水果和取出生成结果，全程都不需要人工干预。