前天 OpenAI 发布了最强的 o1 pro mode 模型，而 pricing 随之提高到了 $200/月。特工成员果断地付款后，选取了门萨IQ测试题来全面分析 o1 pro 在视觉模式识别与逻辑推理任务上的表现。
作为计算机视觉领域的开拓者，李飞飞在人工智能革命中扮演了重要角色。她的新回忆录《我所看到的世界》（The Worlds I See）详细讲述了她从学术到技术突破的旅程，以及如何在人工智能的最前沿找到自己的使命。
以 GPT4V 为代表的多模态大模型（LMMs）在大语言模型（LLMs）上增加如同视觉的多感官技能，以实现更强的通用智能。虽然 LMMs 让人类更加接近创造智慧，但迄今为止，我们并不能理解自然与人工的多模态智能是如何产生的。
当前构建数字世界有三条路线：OpenAI的Sora追求视觉真实，谷歌的Genie 2注重实时交互，World Labs专注空间准确。这三条路线各有优势，也各有无法在短期内解决的问题。
Show Lab 和微软推出 ShowUI，这是一个刚刚开源的 UI Agent 模型，在中文 APP 定位和导航能力上表现出色。通过创新的视觉 token 选择和独特的训练数据构建方法，该模型在有限的训练数据下实现了非常棒的性能。
《智能涌现》获悉，美国硅谷AI视觉领域企业“Luma AI”近日完成新一轮融资，金额为9000万美元。《智能涌现》获悉，美国硅谷AI视觉领域企业“Luma AI”近日完成新一轮融资，金额为9000万美元。
智能涌现独家获悉，12月3日晚间，商汤科技董事长&CEO徐立发布内部信，宣布商汤科技已完成战略重组，未来将聚焦核心业务AI云以及通用视觉模型，智能汽车”绝影”、家庭机器人“元萝卜”、智慧医疗、智慧零售等业务将拆分为独立公司，各设独立CEO。
浙大、腾讯优图、华中科技大学的团队，提出轻量化MobileMamba！ 既良好地平衡了效率与效果，推理速度远超现有基于Mamba的模型。
随着计算机视觉领域的不断发展，自回归模型作为一种强大的生成模型，在图像生成、视频生成、3D 生成和多模态生成等任务中展现出了巨大的潜力。然而，由于该领域的快速发展，及时、全面地了解自回归模型的研究现状和进展变得至关重要。本文旨在对视觉领域中的自回归模型进行全面综述，为研究人员提供一个清晰的参考框架。
Chroma，一家致力于为移动设备打造新型音频视觉娱乐的初创公司。
