MiniMax开源首个视觉RL统一框架，闫俊杰领衔！推理感知两手抓，性能横扫MEGA-Bench
MiniMax开源首个视觉RL统一框架，闫俊杰领衔！推理感知两手抓，性能横扫MEGA-Bench仅需一个强化学习（RL）框架，就能实现视觉任务大统一？
来自主题: AI技术研报
8025 点击 2025-05-28 10:41
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
仅需一个强化学习（RL）框架，就能实现视觉任务大统一？
语音合成（TTS）技术近十年来突飞猛进，从早期的拼接式合成和统计参数模型，发展到如今的深度神经网络与扩散、GAN 等先进架构，实现了接近真人的自然度与情感表达，广泛赋能智能助手、无障碍阅读、沉浸式娱乐等场景。
这次，引领者又是中国公司！在5月中旬拿到GAIA榜首的这个AI版office，直接结合了Deep Research和通用Agent两大神器的优点，从此office三件套彻底进入第四代。
左超Manus，右跨Genspark，GAIA榜单上又一家中国公司登顶！
半导体行业观察：众多趋势表明，AI，不再只是“云端的特权”，而是正快速成为“终端的标配”。而在这一发展趋势下，微控制器（MCU）大厂似乎早已嗅到其中端倪。
世界模型的进度条，最近坐上了火箭。
出海产品Web和App普遍增长。
「矩阵」不再是科幻！Matrix-Game震撼来袭，突破边界带来交互式引擎。只需一句话，沙漠森林等任意场景可控生成，动作丝滑操控，360°视角自由切换，沉浸感爆棚。
游戏在20 世纪 90 年代推动了 GPU 处理器的诞生，因此，如今由 GPU 驱动的人工智能技术渗透进视频游戏设计的几乎每个环节，可谓恰逢其时。顺应这一趋势，一家名为 Sett 的初创公司于周三宣布结束隐匿模式，获得 2700 万美元融资，该公司致力于开发用于构建和运营移动游戏的 AI Agent。
非常荣幸受邀前往 Las Vegas 参加 Google Cloud Next 大会！之前对 Google 的了解不够深入，参与这次大会之后才发现 Google 在 AI 上的投入和布局相当全面。总的来说，Google 想做的事情就不只是“卷模型”，而是把整个生态系统都搭起来——从开发、部署，到协作和落地，一个都不落下。