近日，腾讯优图实验室联合华东理工大学、北京大学等研究团队在A生成图像检测（AI-Generated Image Detection）泛化问题上展开研究，提出Dual Data Alignment（双重数据对齐，DDA）方法，从数据层面系统性抑制“偏差特征”，显著提升检测器在跨模型、跨数据域场景下的泛化能力。
让智能体自己摸索新方法，还模仿自己的成功经验。腾讯优图实验室开源强化学习算法——SPEAR（Self-imitation with Progressive Exploration for Agentic Reinforcement Learning）。
智能体开发平台3.0（ADP3.0）面向全球上线，腾讯优图实验室的关键智能体技术也将持续开源。据说，这次新版本打磨了3个月，完成近600个功能上线，从RAG能力到Workflow，从Multi-Agent协同到应用评测，再到插件生态，看样子是把所有模块都更新了一遍。
图检索增强生成（GraphRAG）已成为大模型解决复杂领域知识问答的重要解决方案之一。然而，当前学界和开源界的方案都面临着三大关键痛点： 开销巨大：通过 LLM 构建图谱及社区，Token 消耗大，耗
随着 OpenAI 推出 GPT-4o 的图像生成功能，AI 生图能力被拉上了一个新的高度，但你有没有想过，这光鲜亮丽的背后也隐藏着严峻的安全挑战：如何区分生成图像和真实图像？
现有的语言大模型（LLMs）在复杂指令下的理解和执行能力仍需提升。
AI模型用于工业异常检测，再次取得新SOTA！
医疗大模型知识覆盖度首次被精准量化！
能处理任意条件组合的新生成框架来了！
文生图新架构来了！
