如果把手机屏幕想象成一个舞台，GUI 智能体就是台下那个 “被授权动手” 的人：它能看懂屏幕上的按钮、输入框和弹窗，能按你的指令去点、去滑、去输入。
生成式模型当检索器大材小用效果还不好？
全球首个1毫秒级人体动作捕捉系统FlashCap，通过闪烁LED与事件相机结合，实现1000Hz超高帧率捕捉。无需昂贵设备或强光环境，低成本穿戴服即可精准捕捉极速动作。团队同步开源715万帧的FlashMotion数据集与多模态模型ResPose，显著提升运动分析精度，推动体育、VR与机器人领域迈向高动态智能新阶段。
当你希望 AI 将 "士兵举起手臂，向后倾身，然后身体向前扑倒" 这段文字转化为一段 3D 角色动画，现有大多数方法给出的答案是：一段摇摇晃晃、语义残缺的短片段。这并非模型能力不足，问题的根源在于将运动表达为逐帧离散序列这一根本性的设计决策。
Mirage（原 Captions）宣布获得 7500 万美元 融资，由 General Catalyst 旗下 Customer Value Fund（CVF）提供。这类资金的逻辑，与传统 VC 明显不同，它更关注已经被验证的增长模型与单位经济，而不是单纯押注未来。
视频编辑应用 Captions 的开发商 Mirage 已从 General Catalyst 的客户价值基金（CVF）筹集了 7500 万美元的增长融资。
在自动驾驶、具身智能、AR/VR应用中做3D重建，大家都想解决一个终极问题： 模型能不能像人一样，一边往前看，一边持续构建三维世界？
近年来，随着 Sora、Seedance 等文本到视频（T2V）扩散模型的飞速发展，AI 视频生成在视觉保真度与动态表现上已取得突破性进展。特别是近期备受瞩目的 Seedance 2.0，展现出了极其强大的多镜头叙事与复杂分镜控制能力。
在 AIGC 领域，基于参考图像的图像修复（Reference-based Inpainting）一直是一项备受关注的核心任务，它旨在利用参考图像引导修复过程，生成视觉一致的内容。这一技术在广告营销和电商领域有着巨大的应用潜力，例如让 AI 自动生成 “真人手持或穿戴商品” 的展示图。
多模态大模型，到底有多“嘴硬”？ 浙江大学联合阿里巴巴、香港城市大
