vivo AI研究院联合港中文以及上交团队为了攻克这些难题，从训练数据和模型结构两方面，系统性地分析了如何在MLLM训练中维持纯语言能力，并基于此提出了GenieBlue——专为移动端手机NPU设计的高效MLLM结构方案。
目前的视频生成技术大多是在短视频数据上训练，推理时则通过滑动窗口等策略，逐步扩展生成的视频长度。然而，这种方式无法充分利用视频的长时上下文信息，容易导致生成内容在时序上出现潜在的不一致性。
Sora、Genie等模型会都用到的Tokenizer，微软下手了—— 开源了一套全能的Video Tokenizer，名为VidTok。
近段时间，世界模型的相关研究成果正如雨后春笋版不断涌现，光是我们报道过的就已有南大周志华团队的世界模型 Whale、Yann LeCun 团队的世界模型研究、李飞飞 World Labs 的空间智能研究、谷歌的强大世界模型 Genie 2 以及刚刚开源的像是能模拟万物的生成式物理引擎 Genesis。
当前构建数字世界有三条路线：OpenAI的Sora追求视觉真实，谷歌的Genie 2注重实时交互，World Labs专注空间准确。这三条路线各有优势，也各有无法在短期内解决的问题。
谷歌DeepMind最新基础世界模型Genie 2登场！只要一张图，就能生成长达1分钟的游戏世界。从此，我们将拥有无限的具身智能体训练数据。更有人惊呼：黑客帝国来了。
就在刚刚，Google Deepmind 深夜放大招，发布了最新基础世界模型 Genie 2。 想体验游戏世界？未来只需一张图片就能实现。 作为一个基础世界模型，Genie 2 能够凭借开局一张图生成各种可操作、可玩的 3D 环境。
作为谷歌 DeepMind 机器学习团队的重量级人物，Nando de Freitas 曾共同领导开发出了 Imagen 2、Gato、Genie、Griffin、Lyria 等名噪一时的大模型产品。
在科技日新月异的今天，人工智能（AI）正以前所未有的速度渗透到各个行业，其中软件开发领域也不例外。Cosine AI推出的Genie，作为一款革命性的AI编程助手，正以其卓越的能力和高效的工作方式，重新定义着软件编程的边界。Genie不仅能够在极短的时间内解决复杂的编程问题，还模仿了人类程序员的思考方式，为软件开发带来了前所未有的便利与效率。
Cosine打造了一个自主AI工程师Genie，可以代码重构、搭建功能以及修复Bug。Cosine联合创始人兼CEO Alistair Pullen表示：“Genie一开始被训练成像人类软件工程师（SWE）一样思考和行动。
