搜索
AI陪伴赛道持续火热...... 在当前的泛娱乐领域，头部应用如TT语音和Soul已经成功地将AI技术融入其平台，推出了诸如AI分身、AI宠物以及AI伴侣等创新玩法。
屏幕前的你可曾想过，如果将充满创新活力的AR技术融入到学习中，会激发出什么样的新奇体验呢？
在红杉资本在最新发布的文章《Generative AI's Act O1 ：The Agentic Reasoning Era Begins》中，讨论了当下生成式AI正在从以训练时计算的快思考，向以推理时计算的慢思考发展。OpenAI 的新模型 o1便是重要的标志。慢思考的到来也将会带来新的机会，行业认知的重要性被高度重视起来，过去对于AI应用以及背后的商业理解也将被刷新。
毫无疑问，多智能体肯定是 OpenAI 未来重要的研究方向之一，前些天 OpenAI 著名研究科学家 Noam Brown 还在 X 上为 OpenAI 正在组建的一个新的多智能体研究团队招募机器学习工程师。
谁更懂AI训练，是人类还是AI自己？
如果你对 arXiv 的版本号有所了解，你就知道这篇论文已经更新了 4 次，现在已经来到了第 5 个版本。实际上，这个 arXiv 编号属于上海交通大学牛力团队一篇持续更新了四年的综述报告。
在加州华纳兄弟制片厂摄影棚内，数个特斯拉人形机器人Optimus在无辅助的情况下，排队走进会场。会场另一边的展览区，一台Optimus不断为客人递送零食、进行打招呼、猜拳等互动。
在AIGC 的浪潮中，对已有图片做编辑的图像编辑（image editing）技术受到了越来越多的关注。图像编辑（image editing）的原子操作包括增、删、改。
在当今的人工智能领域，Transformer 模型已成为解决诸多自然语言处理任务的核心。然而，Transformer 模型在处理长文本时常常遇到性能瓶颈。传统的位置编码方法，如绝对位置编码（APE）和相对位置编码（RPE），虽然在许多任务中表现良好，但其固定性限制了其在处理超长文本时的适应性和灵活性。
基于虚幻引擎5，清华大学构建了一个真实、动态、开放的具身智能平台EmbodiedCity，用于评估和研究具身智能在复杂城市场景中的应用；该平台提供在线接入和离线运行两种使用方式，支持多模态场景理解、问答、对话、导航和任务规划等一系列具身智能任务。