最近，扩散模型（Diffusion Model）在图像生成领域取得了显著的进展，为图像生成和视频生成任务带来了前所未有的发展机遇。尽管取得了令人印象深刻的结果，扩散模型在推理过程中天然存在的多步数迭代去噪特性导致了较高的计算成本。
刚刚，《时代》周刊发布了 2024 年度最具影响力的 100 人名单。 在这份名单中，我们看到了很多熟悉的学者和企业家。
具身智能已经成为人工智能领域最值得期待的一大赛道之一
在AI生成音乐这件事上，即使是像Suno、Udio这样掀起热潮的玩家，也同Sora一样，并没有公开其背后的技术细节内容。
最近一段时间，“字节的 Gauth 增长很猛”的消息，四处流传。在上周写完《作业帮出海，拿下200万MAU》的选题之后，我们怀着好奇心，看看字节的 Gauth 是不是真的如一些自媒体吹得那么神，毕竟作业帮的 Question.AI 体验下来，还是有一些 bug 的。
纵观生成式AI领域中的两个主导者：自回归和扩散模型。 一个专攻文本等离散数据，一个长于图像等连续数据。 如果，我们让后者来挑战前者的主场，它能行吗？
人类嗅觉的数字化，它来了！ 当今的计算机算法，尤其是AI技术，几乎已经把人类的视觉和听觉完全虚拟化了。
提出图像生成新范式，从预测下一个token变成预测下一级分辨率，效果超越Sora核心组件Diffusion Transformer（DiT
我们已经看到，AI 已经能够理解和生成文本、图像、视频，尽管各个产品目前能达到的准确性和审美水准还不相同
今年，苹果宣布取消造车计划后，终于下定决心将更多精力分配至AI项目，刚发布不久的M3 MacBook Air和即将发布的iOS 18分别对应着苹果在AI PC和AI手机两个赛道的第一份答卷。
