搜索
近期，新加坡国立大学计算机学院的邵林团队提出了 D(R,O) Grasp：一种面向跨智能体灵巧抓取的机器人与物体交互统一表示。该方法通过创新性地建模机器人手与物体在抓取姿态下的交互关系，成功实现了对多种机器人手型与物体几何形状的高度泛化能力，为灵巧抓取技术的未来开辟了全新的方向。
如今，多模态大模型（MLLM）已经在视觉理解领域取得了长足进步，其中视觉指令调整方法已被广泛应用。该方法是具有数据和计算效率方面的优势，其有效性表明大语言模型（LLM）拥有了大量固有的视觉知识，使得它们能够在指令调整过程中有效地学习和发展视觉理解。
大语言模型（LLM）在自然语言处理领域取得了令人瞩目的成就，但在需要多步推理的复杂任务中仍面临严峻挑战。
12 月 19 日周四晚，有新Newin 参加了国内先锋智能硬件品牌闪极科技的发布会，创始人& CEO 张波宣布了公司首款 AI 眼镜 —— 闪极 A1「拍拍镜」，999 元共创版价格也意味着百镜大战提前进入千元以下市场的竞争。
OpenAI下一代模型——o3，重磅诞生了！陶哲轩预言难住AI好几年的数学测试，它瞬间破解，编程水平位于全球前200，在ARC-AGI基准中更是惊人，打破所有AI纪录接近人类水平，离AGI更近一步。
“十多年前有本书叫《人人都是产品经理》，但现在可能才真正到了「人人都是产品经理」的时刻。” 苹果商店付费榜Top1，这是一个不会代码的独立开发者用Cursor开发App的最佳战绩。
今年，生成式 AI 的炒作消息层出不穷，显然应用开发人员也一直在关注这波潮流。以 AI 为卖点的工具几乎在苹果的 App Store 排行榜上占据了每个类别的榜首，包揽了教育、生产力和照片编辑领域的前 10 名。免费图形和设计应用类别中的机遇尤其多，这个类别中充斥着 AI 内容创建工具。
近段时间，世界模型的相关研究成果正如雨后春笋版不断涌现，光是我们报道过的就已有南大周志华团队的世界模型 Whale、Yann LeCun 团队的世界模型研究、李飞飞 World Labs 的空间智能研究、谷歌的强大世界模型 Genie 2 以及刚刚开源的像是能模拟万物的生成式物理引擎 Genesis。
不仅能推理，还能明确展示自己「推理逻辑」的大模型出现了。 OpenAI 的 12 天连续发布已近尾声，但它的热度显然已经被谷歌夺去了许多。从 Gemini 2.0 Flash 到 Veo 2 到今天的 Gemini 2.0 Flash Thinking，谷歌端上来的菜真是一道比一道香。
Meta斯坦福大学联合团队全面研究多模态大模型（LMM）中驱动视频理解的机制，扩展了视频多模态大模型的设计空间，提出新的训练调度和数据混合方法，并通过语言先验或单帧输入解决了已有的评价基准中的低效问题。