Harmon：协调视觉表征，统一多模态理解和生成（模型已开源）
Harmon：协调视觉表征，统一多模态理解和生成（模型已开源）GPT-4o 生图功能的出现揭示了统一理解与生成模型的巨大潜力，然而如何在同一个框架内协调图像理解与生成这两种不同粒度的任务，是一个巨大的挑战。
来自主题: AI技术研报
8162 点击 2025-05-10 13:35
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
GPT-4o 生图功能的出现揭示了统一理解与生成模型的巨大潜力，然而如何在同一个框架内协调图像理解与生成这两种不同粒度的任务，是一个巨大的挑战。
在所有人都在忙着堆模型、比参数、拼融资时，一家总部位于巴黎的 AI 初创公司，用仅有 5 人的精简团队创造了ARR（年经常性收入）500 万美元，并已经实现盈利。它不靠爆款产品，也没有明星创始人，但它解决的是每个广告人都头疼的问题：如何更快、更便宜、更高效地制作出转化率更高的视频广告。
多屏未来INAIR是聚焦轻办公场景的AR+AI眼镜公司，为消费者提供个人笔记本电脑外的第二选择。
前段时间，在北京亦庄举办的「人形机器人半程马拉松」活动引发全民热议。
ChatGPT在深夜又更新了一波大的—— 深度研究（Deep Research）功能，现在可以直接连接到GitHub了！
5 月 7 日，由 GOSIM、CSDN 和 1ms.ai 联合主办的全球开源技术盛会——GOSIM AI Paris 2025 在法国巴黎迎来了大会第二日的精彩议程。延续首日的热烈氛围，来自全球的 AI 专家、开发者和产业代表齐聚一堂，围绕 AI 技术的最新趋势与实践展开深入探讨。
多模态奖励模型（MRMs）在提升多模态大语言模型（MLLMs）的表现中起着至关重要的作用：
OpenAI重磅宣言：39岁的Fidji Simo正式出任「应用CEO」，向奥特曼直接汇报。作为Instacart掌门人，前Facebook十年高管，她以卓越领导力和产品创新闻名硅谷。未来，奥特曼本人将专注研究、算力与安全。
在人工智能领域，推理能力的进化已成为通向通用智能的核心挑战。近期，Reinforcement Learning with Verifiable Rewards（RLVR）范式下涌现出一批「Zero」类推理模型，摆脱了对人类显式推理示范的依赖，通过强化学习过程自我学习推理轨迹，显著减少了监督训练所需的人力成本。
Rubrik 联合创始人 Soham Mazumdar 于 2023 年离职后，创立了一家名为 WisdomAI 的新数据初创公司。