Search

Results for “ai”

Total 8436 articles

指令遵循媲美Seedance 2.0!复旦腾讯联合提出Baton,多说话人场景M-WER暴降76%

指令遵循媲美Seedance 2.0!复旦腾讯联合提出Baton,多说话人场景M-WER暴降76% (opens in a new tab)

视频生成,早已不止于视觉。 随着生成式AI发展,联合视频—音频生成正成为重要研究方向。与视频优先、音频后期合成的传统流水线相比,原生同步生成的视听内容跨模态一致性更强,用户体验更沉浸。 但问题在于,现有开源模型面对复杂语义时力不从心。 遇到多阶段动作的组合式指令、涉及人与物体交互的复杂任务时,模型往往无法准确建模场景中的时序逻辑和因果关系——不仅要求长程语义推理能力,还必须在推理中维持视频与音频的时空一致性。 核心矛盾在于:现有方法依赖粗粒度全局文本嵌入指导扩散过程,无法将多阶段动作与多说话人对话分解为具有时间对齐的指导信息,视频和音频去噪轨迹因此各自演化,最终跨模态失配。 为解决这一问题,复

AI guides
0
ACL 2026 Oral|语义推理如鲠在喉:大模型被「短语」难住了

ACL 2026 Oral|语义推理如鲠在喉:大模型被「短语」难住了 (opens in a new tab)

AI 的能力边界正在不断被刷新。从数学推理到代码生成,再到数字化白领,语言模型和语言智能体在诸多基准测试中已展现出超越人类专家的表现。一个看似顺理成章的判断早已成为共识:语言模型已经具备了扎实的语言理解和语义推理能力。然而,ACL 2026 Oral 的一项研究工作从一个更基础的层面重新审视了这个问题:语言模型真的理解(短语)语义吗?

AI guides
0
商汤办公小浣熊·桌面端2.0 上新:没啥废话,就是哐哐干活

商汤办公小浣熊·桌面端2.0 上新:没啥废话,就是哐哐干活 (opens in a new tab)

不聊概念,4 个真实工作场景跑一圈 很多人对商汤的印象可能还停留在 AI 四小龙时期。这一轮大模型的聚光灯更多打在了基础模型和对话产品上,商汤的名字出现得没那么频繁。 但商汤这几年并没有闲着。大装置、大模型、应用三条线一直在推。其中离普通用户最近的,是「小浣熊家族」这条产品线。「办公小浣熊」最早靠数据分析起家,网页端运营了几年,累积了 1500 万用户,也进了不少企业流程。 最近办公小浣熊出了桌面端 2.0。跟网页版不一样,桌面端 2.0 这次可以直接读取本地文件、操控浏览器、自动执行工作流。 到底好不好使,我用四个日常工作场景实际测试了一圈。 办公小浣熊,入驻本地 第一件事,我想试试它读本地

AI news
0