搜索
如今的视觉语言模型 (VLM, Vision Language Models) 已经在视觉问答、图像描述等多模态任务上取得了卓越的表现。然而，它们在长视频理解和检索等长上下文任务中仍表现不佳。
在高质量视频生成任务中，扩散模型（Diffusion Models）已经成为主流。然而，随着视频长度和分辨率的提升，Diffusion Transformer（DiT）模型中的注意力机制计算量急剧增加，成为推理效率的最大瓶颈。
杜塞尔多夫讯，AI初创企业Synthflow近日完成2000万美元（约合人民币1.45亿元）融资。此次A轮融资由美国投资机构安克创投（Accel）领投，该机构曾投资支付平台Klarna、流媒体Spotify及流程优化软件Celonis。现有投资方Atlantic Labs和Singular也参与本轮注资。《商报》独家获悉此消息。
近年来，diffusion Transformers已经成为了现代视觉生成模型的主干网络。随着数据量和任务复杂度的进一步增加，diffusion Transformers的规模也在快速增长。然而在模型进一步扩大的过程中，如何调得较好的超参（如学习率）已经成为了一个巨大的问题，阻碍了大规模diffusion Transformers释放其全部的潜能。
你能想象吗？一个在立陶宛车库里诞生的创业项目，仅仅一年时间就做到了 1200 万美元的年收入，服务超过 4 万家付费客户，遍布全球 100 多个国家。更令人震惊的是，它的创始人 Chris Sidlauskas 在创立 Sintra 时才 22 岁，而他的联合创始人 Rokas Judickas 甚至更年轻。
AI落后、Siri乏力、与谷歌搜索合作紧张，苹果要放大招了？网友支招：不如买下OpenAI前CTO的Thinking Machines Lab！
在 3D 重建领域，无论是 NeRF 还是最新的 3D Gaussian Splatting（3DGS），在生成逼真新视角时仍面临一个核心难题：视角一旦偏离训练相机位置，图像就容易出现模糊、鬼影、几何错乱等伪影，严重影响实际应用。
AI战火越烧越旺，苹果也坐不住了！据爆料，库克正密谋史上最大手笔收购——他盯上了估值高达140亿美元的AI搜索新星Perplexity！这场豪赌不仅会改写Siri和Safari的命运，更是苹果对抗OpenAI和谷歌的一记重拳。谁说苹果不焦虑？这次要动真格了。
根据Xsignal AI Holo（AI全息）数据库数据，上图呈现出2025年5月中国Web端AI应用类型的发展全景。
在 AI 领域，英伟达开发的 CUDA 是驱动大语言模型（LLM）训练和推理的核心计算引擎。