AI在实时视频里秒“剪”出你想要的部分！输入文字/图/视频片段，它都能秒懂｜ICCV2025
AI在实时视频里秒“剪”出你想要的部分！输入文字/图/视频片段，它都能秒懂｜ICCV2025还在实时视频里找特定事件找半天？最新技术直接开挂了。
来自主题: AI技术研报
7705 点击 2025-09-18 15:23
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
还在实时视频里找特定事件找半天？最新技术直接开挂了。
9 月 16 日，OpenAI 正式推出一款新模型 GPT-5-Codex ，这是一个经过微调的 GPT-5 变体，专门为其各种 AI 辅助编程工具而设计。该公司表示，新模型 GPT-5-Codex 的“思考”时间比之前的模型更加动态，完成一项编码任务所需的时间从几秒到七个小时不等。因此，它在代理编码基准测试中表现更佳。
无广告的纯净AI体验，可能很快就会成为过去式。
经过数月的外界猜测，CEO Sam Altman揭晓了一款远超预期的全新模型。用他的话来说，与前代的跃升可以这样形容——“GPT-4像是在和一位大学生对话，而GPT-5则是第一次让人真切地感觉在与一位博士级专家交流。”
谷歌的 Nano Banana 甚至被称为 AI 图像生成与编辑领域的「ChatGPT 时刻」，而字节的 Seedream 4.0 则进一步拉低了门槛，让中国用户能以更低的成本进入创作。
自从 Google Gemini 将数学奥赛的成功部分归功于「并行思维」后，如何让大模型掌握这种并行探索多种推理路径的能力，成为了学界关注的焦点。
真就一个大写的“哇塞”——智元的灵犀X2，成了全球首个完成韦伯斯特空翻的机器人！要知道，韦伯斯特空翻是空翻里的进阶技巧，属于中高级水平。一般完成这个动作，需要靠一条腿强有力地蹬地，另一条腿摆动带动身体翻转，对腿部爆发力和协调性要求更高。
很多人相信，我们已经进入了所谓的「AI 下半场」，一个模型能力足够强大、应用理应爆发的时代。然而，对于这个时代真正缺少的东西，不同的人有不同的侧重，比如（前）OpenAI 研究者姚顺雨强调了评估的重要性，著名数学家陶哲轩则指出必须降低成本才能实现规模化应用。
近年来，大语言模型（LLMs）在复杂推理任务上的能力突飞猛进，这在很大程度上得益于深度思考的策略，即通过增加测试时（test-time）的计算量，让模型生成更长的思维链（Chain-of-Thought）。
上下文学习”（In-Context Learning，ICL），是大模型不需要微调（fine-tuning），仅通过分析在提示词中给出的几个范例，就能解决当前任务的能力。您可能已经对这个场景再熟悉不过了：您在提示词里扔进去几个例子，然后，哇！大模型似乎瞬间就学会了一项新技能，表现得像个天才。