搜索
视觉世界模型 “VideoWorld 2” 由豆包大模型团队与北京交通大学联合提出。不同于 Sora 2 、Veo 3、Wan 2.2 等主流多模态模型，VideoWorld 系列工作在业界首次实现无需依赖语言模型，即可认知世界。
港科大团队提出音频生成统一模型AudioX，只需一个模型，就能从文本、视频、图像等任意模态生成高质量音效和音乐，在多项基准上超越专家模型。团队同时开源了700万样本的细粒度标注数据集IF-caps与可控T2A评测基准T2A-bench，并在该基准上大幅领先现有方法。论文已被ICLR 2026接收。
多模态学习（Multimodal Learning）正在推动 AI 在医学影像、自动驾驶、人机交互等领域取得突破。通过融合图像、文本、表格等多种模态，模型能够获得更全面的信息，从而显著提升性能。
OpenClaw推出v2026.3.7-beta.1，史上最密集一次更新：89项提交、200+Bug修复，核心亮点是全新ContextEngine插件接口——上下文管理终于可以「自由插拔」，不动核心代码就能换策略。这次更新值得每一个做AI Agent的人认真看。
大四学生，十天Vibe Coding，3个月拿下3000万投资，把毕设做成了公司！随着国产开源项目MiroFish登顶GitHub趋势榜榜首，一个人做出全球爆款的「超级个体」时代，真的来了。
十亿参数的三维重建模型，能塞进手机吗？
高中毕业不上大学，没学过一行代码，靠一群🦞开起了公司。
2025年春节前，OpenClaw开始爆火。NoDesk AI创始人宋健带着团队，用两周时间开发了新产品DeskClaw。最初，NoDesk只是为了内部使用，让自己的电商Agent业务团队基于OpenClaw提升效率。但开发完成后，团队感受到外界喷涌的需求，马上决定对外发布。2026年2月14日，DeskClaw个人版第一个版本上线。
作为2月刷屏的现象级开源产品，OpenClaw不仅自身掀起了AI工具的使用热潮，成为全球最大API聚合平台OpenRouter上的Tokens消耗最多的应用，更成为了国产大模型出海的关键推手。
「2018 到 2023 年间在 EMNLP 会议上发表的那篇论文中，第一作者本科就读于达特茅斯学院、第四作者本科就读于宾夕法尼亚大学的那篇科学论文，题目是什么？」