
Ilya刚预言完,世界首个原生多模态架构NEO就来了:视觉和语言彻底被焊死(在新窗口打开)
全球首个可大规模落地的开源原生多模态架构(Native VLM),名曰NEO。要知道,此前主流的多模态大模型,例如我们熟悉的GPT-4V、Claude 3.5等,它们的底层逻辑本质上其实玩的就是拼接。
共 1517 篇

全球首个可大规模落地的开源原生多模态架构(Native VLM),名曰NEO。要知道,此前主流的多模态大模型,例如我们熟悉的GPT-4V、Claude 3.5等,它们的底层逻辑本质上其实玩的就是拼接。

这篇论文由北京航空航天大学、阿里巴巴、字节跳动、上海人工智能实验室等几十家顶尖机构联合撰写,全文长达303页,是对当前“代码大模型(Code LLMs)”领域最详尽的百科全书式指南。

跟中兴合作,售价 3499 元。 12月1日,字节跳动豆包团队发布豆包手机助手技术预览版。 据介绍,豆包手机助手,是在豆包 APP 的基础上,和手机厂商在操作系统层面合作的 AI 助手软件。基于豆包大模型的能力和手机厂商的授权,豆包手机助手能够为用户带来更方便的交互和更丰富的体验。 现阶段,开发者和科技爱好者可以在豆包与中兴合作的工程样机 nubia M153 上,体验豆包手机助手的技术预览版本。目前该版本已面向开发者和科技爱好者少量发售,售价 3499 元。 豆包手机助手的出现,是在试图用 AI Agent 打通APP 之间,重构移动互联网的交互逻辑。 尽管当前的演示仍需面对技术「不确定性」

字节正和多家手机厂商谈合作。 “对比一下京东、美团外卖、淘宝上的肯德基香辣鸡腿堡哪个更便宜,选价格最低的下单,送到三里屯 SOHO A 座的地址,下单的时候备注 ‘放前台’,下单后把订单截图微信上发给小明,告诉他外卖点完了。” 整个过程,只有付款阶段需要人工介入,其他操作全部由 AI 在后台自动完成。 12 月 1 日,字节发布豆包手机助手预览版。这是一个面向手机厂商的系统级服务,它将豆包大模型深度融入操作系统,让用户只需动嘴(或动一下手指),就能指挥手机去执行那些原本需要点击几十次屏幕的繁琐操作。 我们第一时间拿到了豆包与中兴合作开发的搭载豆包手机助手的手机,挑选数十个日常场景,测试了其能力

当AI开始学会「摸鱼」,整个行业都该警醒了。

大无语事件天天有,今天特别多——AI大模型公司阶跃星辰的研究员,自曝被苹果挂在arXiv上的论文,狠狠坑了一把。自己去反馈问题,对方简单回了两句就把issue关了;直到自己留下公开评论,对方才撤稿下架代码了。

如果不是这波大模型的爆发,没人会想到「输入法」这个早已被视为「基础设施」的赛道,会在 2025 年下半年突然变得性感起来。

被顶会ICCV 2025以554高分接收的视频理解框架来了!

快手直播间的 AI 礼物是如何诞生的? 在快手最新发布的第三季度财报中,AI 深度渗透进了内容创作与商业变现的每一个环节。 一个尤为值得关注的信号来自直播业务,这个看似传统的业务板块,其稳健增长曲线的背后,首次出现了可灵 AI 规模化落地的身影。 这款名为「AI 万象」的产品,将 AI 生成礼物变为直播间里的日常互动,并在上线首日就创下纪录,用户付费生成并送出超过 10 万次个性化定制礼物。 与传统的预设动画不同,每个 AI 礼物都需要云端大模型在几分钟内,根据用户上传的照片实时生成高质量短视频特效,并无缝分发给直播间内的所有观众。 借助可灵 AI,「AI 万象」正在将原本高门槛的 PGC 生

在 LLM 优化领域,有两个响亮的名字:Adam(及其变体 AdamW)和 Muon。