李飞飞团队提出世界模型基准：“世界生成”能力迎来统一评测，3D/4D/视频模型同台PK
李飞飞团队提出世界模型基准：“世界生成”能力迎来统一评测，3D/4D/视频模型同台PK世界模型领域最新进展，要比拼“世界生成”了。
来自主题: AI技术研报
9174 点击 2025-04-10 12:15
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
世界模型领域最新进展，要比拼“世界生成”了。
OpenAI o1/o3-mini级别的代码推理模型竟被抢先开源！UC伯克利和Together AI联合推出的DeepCoder-14B-Preview，仅14B参数就能媲美o3-mini，开源代码、数据集一应俱全，免费使用。
AI大模型在咖啡店怎么落地？
自数字人技术Omnihuman-1引起行业关注之后，字节智能创作团队再放大招。全新DreamActor-M1横空出世，一张照片一段视频，就能生成电影级视频，精准迁移表情动作，还支持多种画风。
北京大学陈宝权教授团队提出RainyGS技术，通过结合物理模拟和3D高斯泼溅渲染框架，实现了真实场景中动态雨效的高质量仿真与呈现，真正实现「从真实到真实」，或者「以仿真乱真」，即Real2Sim2Real ！相比现有的视频编辑工具（如 Runway），其物理真实性获得保证。
谷歌重磅发布第七代TPU Ironwood，专为推理设计，性能较从初代飙升3600倍，可与英伟达B200一较高下。不仅如此，谷歌还带来了Veo 2等多款模型全新升级，就连「谷歌版」MCP协议也公布了。
统一多模态大模型（U-MLLMs）逐渐成为研究热点，近期GPT-4o，Gemini-2.0-flash都展现出了非凡的理解和生成能力，而且还能实现跨模态输入输出，比如图像+文本输入，生成图像或文本。
无监督学习训练整数规划求解器的新范式来了。
好消息，由谷歌最新的 Gemini 2.5 Pro 模型提供支持的 Deep Research（深度研究）正式发布！坏消息，目前仅 Gemini Advanced 付费会员可体验。
Llama 4刚出世就被碾压！英伟达强势开源Llama Nemotron-253B推理模型，在数学编码、科学问答中准确率登顶，甚至以一半参数媲美DeepSeek R1，吞吐量暴涨4倍。关键秘诀，就在于团队采用的测试时Scaling。