搜索
阶跃星辰今日发布新一代自动语音识别模型StepAudio 2.5 ASR。该模型面向语音转写与长音频处理场景，在架构上引入Multi-Token Prediction（多Token预测）以提升推理效率，并通过扩展上下文窗口强化长内容识别能力。
AI云平台服务提供商涂鸦智能在深圳举办了开发者大会，从AI开发者平台的重磅升级、Hey Tuya、TuyaClaw AI智能体的出色AI交互体验，以及宠物陪伴机器人等AI创新硬件，我们看到涂鸦正全力“All in AI”，全球IoT开发平台也升级为全球AI云开发平台。
最近，谷歌联合ResNet作者何恺明、谢赛宁、NeRF先驱Jonathan T. Barron、 3D图形学名家Thomas Funkhouser，正式发布了Vision Banana。它向世界宣告：视觉AI终于不再需要那些臃肿的任务头了，理解，本质上只是生成过程中的一次「对齐」。
想象一下：你打开浏览器，没有代码、没有 HTML、没有 CSS 布局引擎。屏幕上每一帧画面，都是 AI 模型实时生成的像素视频流。满满的科幻降临既视感！这就是 Zain Shah（前 OpenAI、YC 校友）和团队刚刚发布的 Flipbook 原型。
几乎所有 Transformer 都在做一件反常的事：把大量注意力集中到少数几个特定 Token 上。这不是 bug，而是 Transformer 固有的「注意力汇聚」（Attention Sink）。首篇系统性综述，带你从利用、理解到消除，全面掌握这一核心现象。
投资者正在积极争取AI 研究人员创办初创公司，以使 AI 更加可靠和高效。
近日，腾讯混元团队提出HY-SOAR （Self-Correction for Optimal Alignment and Refinement），一种面向扩散模型和流匹配模型的数据驱动后训练方法。
要说也真够逗的，索尼的机器人又开始找画面了。
694,000 次浏览。 一篇 X Article，发布三天，将近 70 万阅读量。不是 Elon Musk 的推文，不是某家大公司的公告，是一个叫 GRITCULT 的账号，写的一篇叫《营销已死，Distribution Engineer 万岁》的长文。1.5K 点赞，235 次转发，55 条回复。
大多数世界模型工作默认：只要学到一个好的 latent dynamics，问题就解决了。 但这个假设本身是可疑的——什么样的信息，才足以支撑一个可预测、可传播的动力学？ 本文从信息论出发，重新审视这一前提。