我是2024年7月毕业的博士，找工作是从2023年农历新年之后开始的，我一般只和主动联系上来的公司聊，最开始联系到的，是华为计算产品线的计算研究部昇腾和鲲鹏lab，随后联系的有上海人工智能实验室，幻方AI(年底改名为deepseek)。
整个过年，DeepSeek给我用的都卡炸了。 我自己在官方app和网页里，到现在也还是10条回复有8条是“服务器blabla，请稍后重试”。 每次见到这句话，我都想脑溢血。
由港科广、中南、西湖大学、UIUC、新加坡国立大学、上海 AI Lab、宾夕法尼亚大学等团队联合发布的首篇聚焦医疗领域具身智能的综述论文《A Survey of Embodied AI in Healthcare: Techniques, Applications, and Opportunities》正式上线，中南大学刘艺灏为第一作者
作为这个活动背后的攒局者，锦秋基金不仅投资了北美的一些活跃的AI基金，与全球AI市场建立连接，也特别推出了Soil种子计划，以激进的、快速灵活决策的方式支持AI领域的早期创业者。过去的2024年，锦秋频繁出手了AI达人营销平台Aha Lab、AI内容平台造梦次元等诸多项目。
论文一作刘少腾，Adobe Research实习生，香港中文大学博士生（DV Lab），师从贾佳亚教授。主要研究方向是多模态大模型和生成模型，包含图像视频的生成、理解与编辑。作者Tianyu Wang、Soo Ye Kim等均为Adobe Research Scientist。
仅使用20K合成数据，就能让Qwen模型能力飙升——
继视频、文本模型家族在新年迎来新成员后，MiniMax带来了全新升级的T2A-01系列语音模型，并全球同步上线海螺语音产品。与传统语音生成技术相比，全新升级的T2A-01系列语音模型不仅具有音质稳定清晰、韵律自然、情绪精准表达、高准确度等特点。
模型安全和可靠性、系统整合和互操作性、用户交互和认证…… 当“多模态”“跨模态”成为不可阻挡的AI趋势时，多模态场景下的安全挑战尤其应当引发产学研各界的注意。
本文介绍了一篇由浙江大学章国锋教授和商汤科技研究团队联合撰写的论文《StarGen: A Spatiotemporal Autoregression Framework with Video Diffusion Model for Scalable and Controllable Scene Generation》。
随着语言大模型的成功，视觉 - 语言多模态大模型 (Vision-Language Multimodal Models, 简写为 VLMs) 发展迅速，但在长上下文场景下表现却不尽如人意，这一问题严重制约了多模态模型在实际应用中的潜力。
