
AI玩拼图游戏暴涨视觉理解力,告别文本中心训练,无需标注的多模态大模型后训练范式 (opens in a new tab)
在多模态大模型的后训练浪潮中,强化学习驱动的范式已成为提升模型推理与通用能力的关键方向。
Total 8400 articles

在多模态大模型的后训练浪潮中,强化学习驱动的范式已成为提升模型推理与通用能力的关键方向。

他们又推出了 Coral NPU,可用于构建在低功率设备上持续运行的 AI。具体来说,其可在可穿戴设备上运行小型 Transformer 模型和 LLM,并可通过 IREE 和 TFLM 编译器支持 TensorFlow、JAX 和 PyTorch。

如果你曾将收据照片上传至报销系统,或在线阅读过PDF 格式的书籍,那么你可能已经使用过光学字符识别技术 ——这项已有数十年历史的技术能将打印体、手写体或印刷体文本图像转换为计算机可编辑的文本。

谷歌凌晨更新Veo 3.1,主打更强叙事与音频控制、首尾帧与多图参考等精控,接入Gemini API与Vertex AI,Flow与Gemini可用。可合成多人物场景、音画同步,片段最长约148秒;规格至1080p/24fps。

奥特曼宣布重新上线个性化、富有人味的的新ChatGPT版本,并将在12月份开放「成人模式」,OpenAI最终还是没忍住,要抄马斯克的Grok作业了~

10月15日消息,近日,在泰安市卫星互联网产业发展暨“星算”计划02组星座合作大会上,国星宇航“星算”计划02组星座正式发布,单星算力突破10P的“天秤-10”卫星同步亮相。此外,多项产业合作项目现场达成签约。

从2025年9月开始,美国多家科技巨头放弃彼此间的“恩恩怨怨”,转而围绕算力展开串联合作,呈现成片的“合纵连横”态势。

这是一个信息悖论的时代。 我们能在一秒钟内追踪到千里之外的国际纠纷,即时获知国外市场的最新动态,甚至能看到太空探索传回的最新影像。然而,对所处的城市、街道乃至小区,对那些足以影响我们切身生活体验的本地新闻资讯,我们却可能一无所知。 在这个信息过剩的洪流中,我们对远方的热点如数家珍,但却离“附近”越来越远。 这并非偶然。在过去二十年,互联网和算法的浪潮几乎重塑了媒体版图。大众的注意力更多被全国性、全球性的热点新闻所捕获,而曾经作为“地方神经中枢”的地方报纸、电台和电视台,广告收入与影响力同步急剧下降。其结果是,大量地方媒体停刊或转型,地方媒体人才持续流失。 以美国为例,过去15年,美国失去了21

正如前几天网上泄露与传闻所预料的那样,深夜,谷歌发布了最新的 AI 视频生成模型 Veo 3.1。Veo 3.1 带来了更丰富的音频、叙事控制,以及更逼真的质感还原。在 Veo 3 的基础上,Veo 3.1 进一步提升了提示词遵循度,并在以图生视频时提供更高的视听质量。

前端UI的工作,被谷歌AI一夜干没了。 就在最新能力展示中,Gemini 3.0 Pro居然自己“捏”出了一个macOS。