多模态大语言模型（MLLMs）在处理来自图像和文本等多种来源的信息时能力强大 。 然而，一个关键挑战随之而来：当这些模态呈现相互冲突的信息时（例如，图像显示一辆蓝色汽车，而文本描述它为红色），MLLM必须解决这种冲突 。模型最终输出与某一模态信息保持一致的行为，称之为“模态跟随”（modality following）
无人注意的角落里，权威榜单 Billboard 接二连三地迎来一批新歌手上榜，低调但行动快速，闷声就登顶了。权威音乐榜单 Billboard 旗下的乡村音乐排名榜，最新首位《Walk My Walk》，是一首 AI 生成的歌曲作品，Breaking Rust 自然也是一位 AI 歌手。从数据来看，它不仅登顶了，还连续在榜了三周。对于任何一个新人来说，都是堪称「爆」了的成绩。
谷歌DeepMind的IMO金牌模型，完整技术全公开了！
人工智能搜索初创公司You.com 首席执行官 、Salesforce 前首席科学家理查德·索彻，计划为其即将主理的新人工智能研究初创公司募集约 10 亿美元资金，两名曾与 You.com 高管交流的消息人士透露。索彻在采访中表示，他将继续执掌 You.com。
来自AI语音独角兽公司ElevenLabs，刚刚发布了Scribe v2 Realtime实时语音转文本模型，网友表示：Next-Level。150毫秒的超低延迟，93.5%的高准确率，还覆盖了90多种语言。
曾在英伟达身上错过2500亿美金的孙正义，如今再次用脚投票，他赌的是：AI的未来，不在于制造铲子的英伟达，而在于定义金矿的OpenAI。
在数字经济浪潮中，企业对于高效、精准的信息获取与决策支持的需求日益迫切。从前沿科学探索到行业趋势分析，再到企业级决策支持，一个能够从海量异构数据源中提取关键知识、执行多步骤推理并生成结构化或多模态输出的「深度研究系统」正变得不可或缺。
你是否曾为搭建具身仿真环境耗费数周学习却效果寥寥？ 是否因人工采集海量交互数据需要高昂成本而望而却步？ 又是否因找不到足够丰富真实的开放场景让你的智能体难以施展拳脚？
「紫荆智康」日前完成近亿元天使轮融资，由星连资本领投，英诺天使和尚势资本跟投，本轮融资将主要用于紫荆AI医院（Agent Hospital）系统的研发、迭代与升级。紫荆智康成立于2024年9月，由清华大学智能产业研究院（AIR）孵化，清华大学计算机系教授、智能产业研究院执行院长刘洋发起
在7000多种人类语言中，只有少数被现代语音技术听见，如今这种不平等或将被打破。Meta发布的Omnilingual ASR系统能识别1600多种语言，并可通过少量示例快速学会新语言。以开源与社区共创为核心，这项技术让每一种声音都有机会登上AI的舞台。
