搜索
最近，一支法国科研团队干了一件听起来像赛博朋克小说开场的事：把来自死后供体的成人脑切片泡在培养皿里，接上一只机械手和一个麦克风。相关论文的标题是：《人类大脑离体培养物的无监督感觉-运动关联学习，使机器人实现动作模仿》。
关于无缝衔接 Claude Code 和 Codex 这件事。
近来文生图模型发展迅速，但每篇工作多是独立地引入一整套模型、数据和训练设计，然后用私有的数据训出来了一个亮眼的模型。
世界模型应该如何评测？答案是：像真实用户一样去 “玩” 它。
顶会可以年年开，但这本期刊不是每个实验室都能进的。
AI 没有抢走任何人的工作。至少到目前为止没有。
8月18日，一篇系统梳理单细胞基础模型的综述预印本挂上 Preprints.org（doi:10.20944/preprints202608.1166.v1），标题是《The Landscape of Single-Cell Foundation Models: Design Principles, Applications, and Open Challenges》，尚未经过同行评审。
香港大学、香港科技大学与腾讯 ARC Lab 联合提出 SCoPE（Sightline-Coordinate Positional Encoding），一套面向视频 DiT 的射线空间位置编码：让视频模型处理位置关系的基底从张量网格转向射线空间。
训练一切AI的算法，被AI自己判了「死刑」？就在最近，清华大学和宾大沃顿商学院的两位研究者挂出一篇新论文，给了一个优化理论界等了40年的结论——梯度下降想跑到最快，光调步长没用。
随着大语言模型能力边界的持续拓展，AI Agent 已从概念验证阶段迈入大规模工程落地。然而，Agent 内部复杂的任务规划、工具调用与记忆检索机制，使得传统的应用观测手段在面临这类非确定性系统时显得力不从心。
用户让 AI 编程助手写个贪吃蛇小游戏，智能体照办了，但同时多跑了一条 curl | bash 命令，把攻击者的脚本下载到本地并执行。
在 action chunking 已成为 VLA 标配的今天，「一次执行多少步」几乎被所有工作当作一个固定的超参数。
当自动驾驶赛车以近 300 km/h 的时速在 F1 赛道上与周车进攻防守、交互博弈，它面对的问题早已不只是提升圈速。
Pixel 擅长表达 appearance，Code 擅长表达 structure；未来会进入 Pixel-Code 联合的视觉表达。
今天的视频生成模型，已经越来越像一个会拍电影的导演。
一个需求从零推到能开发，我得写调研问卷、拆竞品、出原型、写 PRD，就是给研发看的那份需求说明书，然后拉上研发测试设计法务开评审会，最后再补一份埋点方案，说清楚上线之后用户每个动作要记哪些数据。
上两天肝的视频上了热搜 + 热门，使用插件，针对 ds 模型可以提升不小的性能。
今天想和你聊聊 DeepSeek Harness。
用 AI 做视频的同学总有这样的痛苦：提示词也不是没认真写，运镜方向、人物走位、画面构图交代了一大段，但模型给出的画面总是差着一截，运镜偏了几十度，人物走到中途消失，镜头速度前半段稳后半段飘。
ScienceDiscovery 是基于 Agent OS（JiuwenSwarm）开发的一款面向跨学科、全流程科研场景的一站式 AI 工作台，解决科研场景面临的工具碎片化、大模型科研幻觉两大痛点问题，打造 AI 辅助科研新范式，加速科学发现，广泛应用于各行各业。
随着视频扩散模型能力不断提升，从单张图像出发、按照用户指定的相机轨迹生成新视角视频，正在成为 World Modeling 的重要技术路线。
科研的链条很长。文献读不完，方向想不清，实验一轮接一轮，论文改到深夜。过去两年，大模型已经能读论文、写代码、改文章，但它们大多以问答工具的形态散落在各个环节，替研究者节省的只是零碎时间。
大模型机制可解释性研究中，一直存在一个颇具反差的现实： 为了理解一个已经训练好的模型，研究者往往需要先训练一套新的稀疏表示。
视觉 - 语言 - 动作（VLA）模型已成为端到端自动驾驶的主流技术路线，但基于自回归（AR）解码的现有架构面临双重结构性瓶颈：其一，逐 Token 串行生成导致推理延迟随序列长度线性增长，严重制约实时部署；其二，训练阶段依赖真实前缀的 teacher forcing 机制，使模型在推理时暴露于自身生成的误差之上，引发长时序累积的曝光偏差（exposure bias）。
图像生成模型正从「会创作」转向「可操作」。
机器人撬开啤酒瓶盖，白色泡沫顺着瓶口涌出来。
玩 AI 视频有一段时间了，经验说不上多，但有一件事我算是想明白了：提示词这条路，走到头也就那样。
可能很多朋友还不知道，豆包已经今非昔比了。
今天，Symbiosis Robotics（共生知行）放出了一段新演示。
从物理视频生成到运动迁移，再到可控世界建模。