CMU朱俊彦等上新LEGOGPT，一句话就能搭乐高，网友：复杂零件行不行？
CMU朱俊彦等上新LEGOGPT，一句话就能搭乐高，网友：复杂零件行不行？AI 不允许有人不会搭乐高。
来自主题: AI技术研报
10903 点击 2025-05-12 16:14
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
AI 不允许有人不会搭乐高。
如何将一句简单的文字描述变成物理稳定的乐高模型？LegoGPT通过物理感知技术，确保98.8%的设计稳如磐石。
EgoNormia基准可以评估视觉语言模型在物理社会规范理解方面能力，从结果上看，当前最先进的模型在规范推理方面仍远不如人类，主要问题在于规范合理性和优先级判断上的不足。
通过收集六名志愿者一周的多模态生活数据，研究人员构建了300小时的第一视角数据集EgoLife，旨在开发一款基于智能眼镜的AI生活助手。项目提出了EgoButler系统，包含EgoGPT和EgoRAG两个模块，分别用于视频理解与长时记忆问答，助力AI深入理解日常生活并提供个性化帮助。
Maitrix.org 是由 UC San Diego, John Hopkins University, CMU， MBZUAI 等学术机构学者组成的开源组织，致力于发展大语言模型 (LLM)、世界模型 (World Model)、智能体模型 (Agent Model) 的技术以构建 AI 驱动的现实。
如何基于用户的问题和当前场景的照片，生成同一场景下的第一视角的动作图像，从而更准确地指导用户执行下一步行动？
在探索人工智能边界时，我们时常惊叹于人类孩童的学习能力 —— 可以轻易地将他人的动作映射到自己的视角，进而模仿并创新。当我们追求更高阶的人工智能的时候，无非是希望赋予机器这种与生俱来的天赋。
多模态大模型GPT-4V也会「有眼无珠」。UC San Diego纽约大学研究人员提出全新V*视觉搜索算法逆转LLM弱视觉宿命。
字节&复旦大学多模态理解大模型来了：可以精确定位到视频中特定事件的发生时间。