
StreamVibe:让视频 Agent 跟踪用户不断变化的意图 (opens in a new tab)
StreamVibe 将显式请求、隐式帮助需求和动态意图放入持续视频交互,结合策略学习与状态记忆管理决定何时回应。报道区分逐点评测与完整轨迹,并讨论重复提醒、误触发和长时间交互中的错误累积。
Total 224 articles

StreamVibe 将显式请求、隐式帮助需求和动态意图放入持续视频交互,结合策略学习与状态记忆管理决定何时回应。报道区分逐点评测与完整轨迹,并讨论重复提醒、误触发和长时间交互中的错误累积。

作者借助 GitHub 项目 REA 和 Codex GPT-6 Astra,在没有源代码的情况下迭代复刻 Microsoft Word,核心功能与界面高度还原,显示 AI 正显著降低成熟软件复刻门槛。

蚂蚁AI安全实验室与清华大学人机交互实验室联合开源9B模型Realtime-Venus,通过配套的Harness打通前后台,使AI助手在执行后台任务的同时能继续与用户对话,并在长视频问答等多项评测中取得领先成绩。

谷歌,可能已经破解了RSI! 就在刚刚,谷歌联合 Google DeepMind、马里兰大学及弗吉尼亚大学,发表了一篇重磅论文。 这一次,他们展示了一条完全不同的RSI路线:AI自我进化,居然可以靠做梦? 这一次,谷歌是让智能体把自己走过的每一步存成一棵树,然后在树里「做梦」。 在梦里练出更优的探索策略,再回到现实继续干。 论文地址:https://arxiv.org/abs/2609.14858 Dream-RSI的效果可以说是相当震撼: 算法优化任务,主流进化搜索系统需要跑51200代,Dream-RSI调用317次就达到了同等水平。 圆填充问题,追平谷歌自家AlphaEvolveV2的最

面向Agent Harness层自进化方向,CREAO AI近日完成千万级美元新融资,资金将用于扩大真实业务工作流与高质量反馈数据规模,加速基于开源模型后训练的垂直模型迭代。

数据市场的故事,正在进入新一轮周期。来自企业真实工作流的 Real-world Data,成为越来越多 AI Labs 争夺的新资源。比如 GitHub 就是典型的 Real-world Data,它几乎完整保留了一个问题从出现到解决的全过程。相比之下,今天绝大多数 Human Data 公司提供的,仍是人为构造的数据。

为了打破多镜头长视频面临的高延迟、零交互困境,香港中文大学与快手可灵团队联合提出了首个实时流式多镜头长视频生成框架 ——ShotStream。该研究打破了传统双向架构的限制,将多镜头合成定义为基于历史上下文的下一镜头生成任务,用户可以通过动态流式提示词在运行时动态指导叙事走向!更令人振奋的是

去年 12 月,我们曾与 Ancher 联合创始人兼 CEO Vincent Wu 进行了一次深度对话,Vincent 曾任雅虎新闻运营总监、NewsBreak COO,深耕美国新闻近 20年,所以在初期,Ancher 以“Agentic News Reader”为核心定位,以“语义层推荐”作为主要差异化。

导读:视觉 latent reasoning 希望让多模态模型在内部生成连续 latent token,用这些中间表示补充多模态理解和推理任务中缺失的视觉证据。但问题在于,模型生成出来的 latent token 可能并不落在它原本熟悉的视觉输入空间里;如果模型无法稳定读取这些 token,它们就很难成为有效的中间视觉证据。

用户想要脑机接口,想一下视频就出来 近期,AI内容创作公司感知阶跃宣布完成新一轮融资,逾2000万美元,由红点创投与创世伙伴CCV共同投资。 感知阶跃成立5年,核心团队不足30人,靠服务电商起家。最初的产品ZMO.ai是给电商做模特图,在预见视频会是更大的市场后开始做Creati.ai,也是真正被市场记住的一款产品——依旧面向中小商家,但受众面增加了视频创作者的AI视频生成工具——使用者在手机上输入一段文案或上传一张产品图,就能产出可直接投放到TikTok、Instagram的短视频。而它更像一台“爆款复刻机”,会自动拆解当前爆款视频元素,并混剪进自己的素材,以达到病毒式传播的效果。 Crea