VLM记忆机制最新综述,从When, Where, What, How四个维度看懂记忆
VLM记忆机制最新综述,从When, Where, What, How四个维度看懂记忆来自 Duke、Google、USC、UPenn、UNC 等八家机构的研究者联合发布最新视觉语言模型(VLM)记忆机制的系统性综述。基于全新的 4D 分类框架,系统梳理了 300 余篇相关工作和近 70 个评测基准,覆盖长视频理解与生成、多模态 RAG、具身导航与行动、个性化助手等八个热点应用场景。
搜索
来自 Duke、Google、USC、UPenn、UNC 等八家机构的研究者联合发布最新视觉语言模型(VLM)记忆机制的系统性综述。基于全新的 4D 分类框架,系统梳理了 300 余篇相关工作和近 70 个评测基准,覆盖长视频理解与生成、多模态 RAG、具身导航与行动、个性化助手等八个热点应用场景。
Google DeepMind发布DNA序列预测模型AlphaGenome 2,可预测DNA变异对特定细胞和基因的影响,并在半小时内复现炎症性肠病实验的关键发现,助力筛选疾病线索和潜在药物靶点。
Google DeepMind全球开放Gemini 4 Carbon,并以AlphaProof Code驱动AI Agent在四周内为Signal生成逾650万行经机器检查的Lean证明代码,验证其核心实现的安全属性。
这边 Fable 5.2 刚刚发布,那边网友们就发现 Google 的 Gemini 4 新版本模型就泄露出来了。
文章分析前沿模型文字难懂的原因,指出 Google 通过 LearnLM 将易读性、命题保真度、认知负荷管理和强化学习后训练融入 Gemini 2.5 Pro 与 Flash,并介绍 UIDPO 和修辞结构对齐两种认知对齐路径。
Google 宣布自2027年初让美国K-12学区自主决定是否启用Gemini等AI功能,却将关闭AI与失去Google Search捆绑,引发其借搜索优势强推AI的争议。
谷歌Project Suncatcher原型卫星首次在轨运行Google TPU,并调用预部署的Gemma 4生成和回传完整AI响应,迈出太空AI数据中心实际运行第一步。
Google Cloud AI Research等团队发布T2J-Bench,以63个整仓任务评测Coding Agent将PyTorch迁移至JAX的行为保真度,并提出TwinHarness,使Claude-Code与opus-5组合的总体得分从0.649升至0.723,相对提升11.4%。
近期,Meta 的 Muse、OpenAI 的 Dot 等产品相继推出,让 Personal Agent(个人智能体)再次成为大模型领域的关注焦点。相比传统的对话助手,这类 Agent 不再局限于回答问题,而是能够结合用户的个人背景、历史记忆与应用上下文,主动执行任务并持续推进长期目标。一个更具主动性、能够长期陪伴用户的 AI 助手,正在逐渐成为现实。
Google正式发布世界模型Genie 4,提升画面真实感、物理模拟、世界一致性与实时控制能力,并可生成同步环境音和互动对话,由Gemini引导智能体协助规划,展现其在游戏、VR及互动影游领域的潜力。