大规模数据集和标准化评估基准显著促进了自然语言处理和计算机视觉领域的发展。然而，机器人领域在如何构建大规模数据集并建立可靠的评估体系方面仍面临巨大挑战。
AI绘画总「翻车」，不是抓不住重点，就是细节崩坏？别愁！微软和港中文学者带来ImageGen-CoT技术，让AI像人一样思考推理，生成超惊艳画作，性能提升高达80%。
新产品发布两天后，在 OpenAI 创始人山姆·阿尔特曼（Sam Altman）的推文下，有人祝贺他十年努力终于带来了 AGI——社交网络上全是吉卜力图像 “All Ghibli Images”。
在ChatGPT上，当你画图的选项变成这个的时候，就说明用的不是Dalle3了，而是4o。目前，有两个渠道可以使用4o Image Generation。一个事ChatGPT，一个是单独的那个Sora的网站。
文本到图像（Text-to-Image, T2I）生成任务近年来取得了飞速进展，其中以扩散模型（如 Stable Diffusion、DiT 等）和自回归（AR）模型为代表的方法取得了显著成果。然而，这些主流的生成模型通常依赖于超大规模的数据集和巨大的参数量，导致计算成本高昂、落地困难，难以高效地应用于实际生产环境。
最近，斯坦福大学教授李飞飞接受了硅谷著名投资人 Reid Hoffman 和 Aria Finger 的联合播客专访。在这场对话中，李飞飞主要探讨了以下主题： ImageNet 的灵感源于难以避开模型的过拟合问题，李飞飞意识到与其苦心改进模型，不如用数据驱动。
图形学的并行计算和边际计算，在模拟物理世界和机器人训练中起到了关键作用。
视频生成领先 OpenAI 了？
OpenAI的Sora翻车后，迎来谷歌的暴击：昨天深夜，Veo 2、Imagen 3、Whisk一套组合拳打来，AI视频和生图根据，再次被谷歌改变了。
OpenAI直播划水的一天，谷歌版Sora迎来了它的2.0——
