AI资讯新闻榜单内容搜索-Arc

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
搜索: Arc
ICML 2025|多模态理解与生成最新进展:港科联合SnapResearch发布ThinkDiff,为扩散模型装上大脑

ICML 2025|多模态理解与生成最新进展:港科联合SnapResearch发布ThinkDiff,为扩散模型装上大脑

ICML 2025|多模态理解与生成最新进展:港科联合SnapResearch发布ThinkDiff,为扩散模型装上大脑

自 Stable Diffusion、Flux 等扩散模型 (Diffusion models) 席卷图像生成领域以来,文本到图像的生成技术取得了长足进步。但它们往往只能根据精确的文字或图片提示作图,缺乏真正读懂图像与文本、在多模 态上下文中推理并创作的能力。能否让模型像人类一样真正读懂图像与文本、完成多模态推理与创作,一直是学术界和工业界关注的热门问题。

来自主题: AI技术研报
6447 点击    2025-07-16 15:19
秘塔AI整大活,国内首个免费「深度研究」来了!搞研究证据链惊人

秘塔AI整大活,国内首个免费「深度研究」来了!搞研究证据链惊人

秘塔AI整大活,国内首个免费「深度研究」来了!搞研究证据链惊人

刚刚,国内首个免费可用Deep Research上线了!它在多个权威评测中拿下第一,准确率直接碾压开源WebSailor。研究过程中,它能多线迭代追搜,直至逻辑闭环。更绝的是,一键生成炫酷的互动研究报告,视觉效果直接拉满。

来自主题: AI资讯
5321 点击    2025-07-16 11:26
秘塔AI也终于悄悄上线了DeepResearch。

秘塔AI也终于悄悄上线了DeepResearch。

秘塔AI也终于悄悄上线了DeepResearch。

昨天晚上,秘塔AI搜索悄悄上了一个新功能。测试完以后,我觉得这玩意,还是值得我将近通宵写一篇的。

来自主题: AI资讯
8275 点击    2025-07-15 11:05
用子模优化做文本选择、段落重排和上下文工程

用子模优化做文本选择、段落重排和上下文工程

用子模优化做文本选择、段落重排和上下文工程

在上一篇关于子模优化与多样化查询的文章发表后,我们收到了来自圈内很多积极的反馈,希望我们能多聊聊子模性(submodularity)和子模优化,尤其是在信息检索和 Agentic Search 场景下的更多应用。

来自主题: AI技术研报
7943 点击    2025-07-15 11:05
一个200美元的AI浏览器,想重新教会我“上网”

一个200美元的AI浏览器,想重新教会我“上网”

一个200美元的AI浏览器,想重新教会我“上网”

AI浏览器的战争开打到今天,从早期的Arc试图重塑交互,到Opera Neon展现的“代理”能力,再到传闻中OpenAI即将推出的浏览器,每一个行业重量级参与者,都在试图重新定义这个我们最熟悉的互联网入口。

来自主题: AI资讯
7278 点击    2025-07-15 10:04
斯坦福Arc Tahoe-100M虚拟细胞团队专访:AI制药的壁垒不是"模型"?而是高质量、亿级规模的数据集

斯坦福Arc Tahoe-100M虚拟细胞团队专访:AI制药的壁垒不是"模型"?而是高质量、亿级规模的数据集

斯坦福Arc Tahoe-100M虚拟细胞团队专访:AI制药的壁垒不是"模型"?而是高质量、亿级规模的数据集

Vevo Therapeutics(现为Tahoe)与Arc研究所,两家分别在生物技术商业转化和非营利性基础研究领域领先的机构,于2025年2月联合发布了一项里程碑式的成果:全球最大的单细胞药物扰动数据集Tahoe-100M。

来自主题: AI资讯
6242 点击    2025-07-14 12:57
无Tokenizer时代真要来了?Mamba作者再发颠覆性论文,挑战Transformer

无Tokenizer时代真要来了?Mamba作者再发颠覆性论文,挑战Transformer

无Tokenizer时代真要来了?Mamba作者再发颠覆性论文,挑战Transformer

最近,Mamba 作者之一 Albert Gu 又发新研究,他参与的一篇论文《 Dynamic Chunking for End-to-End Hierarchical Sequence Modeling 》提出了一个分层网络 H-Net,其用模型内部的动态分块过程取代 tokenization,从而自动发现和操作有意义的数据单元。

来自主题: AI技术研报
6113 点击    2025-07-13 11:37
多模态模型学会“按需搜索”,少搜30%还更准!字节&NTU新研究优化多模态模型搜索策略

多模态模型学会“按需搜索”,少搜30%还更准!字节&NTU新研究优化多模态模型搜索策略

多模态模型学会“按需搜索”,少搜30%还更准!字节&NTU新研究优化多模态模型搜索策略

多模态模型学会“按需搜索”!字节&NTU最新研究,优化多模态模型搜索策略——通过搭建网络搜索工具、构建多模态搜索数据集以及涉及简单有效的奖励机制,首次尝试基于端到端强化学习的多模态模型自主搜索训练。

来自主题: AI技术研报
5993 点击    2025-07-09 10:35