
视频通用模型来了!DeepMind 再证「生成即理解」,何恺明参与 (opens in a new tab)
如果想开发一个视频理解应用,你会怎么做?
Categories
Practical guides to AI tools, models and related technologies.

如果想开发一个视频理解应用,你会怎么做?

这两天网上冲浪的时候,发现有人用 Claude 复刻了一个类似《魔兽世界》的在线多人游戏。

近年来,多模态大语言模型(MLLM)在视觉问答、图表理解、科学推理等任务上取得了令人瞩目的进展。

3D空间数据的瓶颈,从来不是算法,而是标注。

近日,自监督学习新工作 VISReg(Variance-Invariance-Sketching Regularization)获图灵奖得主 Yann LeCun 连续转发并给予高度认可 —— 他在转发时评价道「VICReg begat SIGReg which begat VISReg」(VICReg 孕育了 SIGReg,SIGReg 又孕育了 VISReg),

7月6日,腾讯混元Hy3正式版发布。 同一天,几乎没有人注意到另一件事:微信AI团队在GitHub上 quietly 放出了Hidden Decoding at Scale的正式论文,WeLM技术博客同步更新。不仅如此,WeLM的官方技术团队还开设了小红书账号,开始对外宣传WeLM的技术成果。 信号的导火索在几个月前。据《中国企业家》报道,2026年腾讯年会上,微信高层公开表态,希望自己训练大模型,集团给予更多GPU支持。 在腾讯集团层面,混元是无可争议的「正规军」。前OpenAI研究员姚顺雨空降半年,AI Lab被整体并入,数百亿研发投入押注于此。 但在这条主线之外,微信事业群也正在悄悄发力

曾经我们对 AI 的期待还比较朴素,写邮件、翻译论文、聊天搭子……那时候,AI 像一个初出茅庐的实习生,你指哪它打哪,但也经常一本正经地胡说八道。

大家好,我是极客杰尼。 今天,md2wechat 正式发布 3.0.0 大版本,这次最重要的变化,是普通创作者也能让 Agent 帮自己完成多图和 SVG 排版。

近日,新基石研究员、北京大学集成电路学院教授、深圳研究生院信息工程学院院长杨玉超团队,联合中国科学院上海微系统与信息技术研究所宋志棠研究员团队等,在国际顶级学术期刊《科学》发表最新成果,在新型神经动力学计算芯片领域取得重大突破。

1. 引言 打官司,从来不是一问一答就能结束的事。 对当事人来说,一个案件意味着与律师的反复沟通、一轮轮文书起草,再到一审庭审、提出上诉、二审裁判,事实在积累,证据在交锋,每一步都建立在上一步之上。而对律所来说,这背后还有一整套专业运转:检测利益冲突、分配代理律师、拟定诉讼策略…… 一个案件的生命周期,远比一次问答复杂得多。而现有的模拟系统,大多还停留在单点模拟:演一次庭审、答一道法考题,答完就重置,仿佛案件没有过去,也没有未来。 LEGALWORLD 想改变这一点。 这是一个基于 LLM 智能体驱动的全生命周期交互模拟的法律环境。在这里,一个完整的中国民事实务被组织成一条连续推进的状态链,沿

过去几年,扩散模型几乎定义了高质量图像生成:从随机噪声出发,经过多轮迭代,逐步 “雕刻” 出一张图像。但随着大语言模型席卷人工智能领域,另一条路线正迅速走到舞台中央 —— 图像,能否也像语言一样,通过自回归方式逐步生成?

OpenAI高管亲自下场,教开发者5分钟极速「策反」Claude Code,这波贴脸开大太狠了。

刚刚,Agnes 升级了! 不,不是这个 Agnes,而是 Agnes 大模型。刚刚,这个模型家族迎来了其最新成员:Agnes-2.5-Flash。这是 Agnes 全新一代高性能文本模型,围绕 Coding、Agent 和日常开发场景做了整体优化,目标是在性能、速度与成本三者之间找到更好的平衡点。 相比上一代,Agnes-2.5-Flash 在代码理解、工程修复、多步骤任务执行以及复杂推理上都有明显提升,能够覆盖从代码生成到项目维护的大部分开发任务,定位是开发者日常使用的主力模型。值得一提的是,它延续了不限期免费开放的策略! 与此同时,Agnes 还首次预告了旗舰模型 Agnes-2.5-P

最近刷小红书,总能刷到 ChatCut。

不教AI认手,而是从视频世界模型里直接「读」出双手:三大基准SOTA,让百万小时野生视频第一次能变成机器人的操作教材。

一个AI工具挖出了藏在Linux里15年的致命漏洞,另一个AI却因为一个被录错的数字,让四辆警车把无辜记者当成盗车贼围了起来。

奖励模型(Reward Model, RM)是大语言模型对齐的核心组件,负责为模型输出提供符合人类偏好的评价信号。现有方法各有短板:标量判别式 RM 高效稳定但可解释性有限;生成式 judge 能给出判断理由,却需为每个样本生成长 reasoning,token 与延迟开销显著。

近期,围绕「世界模型」的讨论持续升温。机器人、自动驾驶、视频生成、具身智能等多个方向都在频繁使用这一概念,相关系统不断出现,演示形式日益丰富,评价指标也越来越多。伴随这一趋势,一个基础问题变得格外重要:当一个模型被称为「世界模型」时,人们究竟在评价什么?

人类可以在一生中持续学习新知识,而不会轻易遗忘已有技能。然而对 AI 模型而言,这恰恰是一道极具挑战性的难题:每当模型学习新任务时,参数更新往往会覆盖历史知识,产生经典的 “灾难性遗忘” 难题。持续学习(Continual Learning)正是为突破这一瓶颈而生的研究方向。

2026年下半场,AI Coding赛道最大的焦虑变了。
Join the conversation
Read how to join the community. No sign-in is required to read articles.