比NanoBanana更擅长中文和细节控制！兔展&北大Uniworld V2刷新SOTA
比NanoBanana更擅长中文和细节控制！兔展&北大Uniworld V2刷新SOTA比Nano Banana更擅长P细节的图像编辑模型来了，还是更懂中文的那种。
来自主题:
AI技术研报
8161 点击 2025-11-05 16:42
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
比Nano Banana更擅长P细节的图像编辑模型来了，还是更懂中文的那种。
Gemini APP 前几天上线了 PPT 生成的能力，我昨天尝试了一下发现相当可以啊。
谷歌遗珠与IBM预言：一文点醒Karpathy，扩散模型或成LLM下一步。
近期，Google DeepMind 发布新一代具身大模型 Gemini Robotics 1.5，其核心亮点之一便是被称为 Motion Transfer Mechanism（MT）的端到端动作迁移算法 —— 无需重新训练，即可把不同形态机器人的技能「搬」到自己身上。不过，官方技术报告对此仅一笔带过，细节成谜。
谷歌世界模型大牛Danijar Hafner宣布离任！他自2016年起开始在Google Brain实习，后又在DeepMind、Brain Team工作。他的经历颇具传奇色彩，曾获辛顿指导，还与Łukasz Kaiser、Ashish Vaswani等Transformer大佬有过交集。
扩散大语言模型得到了突飞猛进的发展，早在 25 年 2 月 Inception Labs 推出 Mercury—— 第一个商业级扩散大型语言模型，同期人民大学发布第一个开源 8B 扩散大语言模型 LLaDA，5 月份 Gemini Diffusion 也接踵而至。
OpenAI的1.4万亿算力订单，正式开启大甩卖。
地球现在连显卡都供不起了，微软的GPU插不进机房。英伟达的H100直接飞向太空。
11 月 2 日，英伟达首次把 H100 GPU 送入了太空，参阅报道《英伟达发射了首个太空 AI 服务器，H100 已上天》。而刚刚谷歌宣布，他们也要让 TPU 上天。
今天翻 GitHub Trending 的时候，看到一个不怎么眼熟的项目占据榜单第一。 仔细一看，是个多 Agent 舆情分析助手，名字叫「微舆 BettaFish」。再往下拉，发现它 star 已经过万了，而且还是最近十几天突然暴涨。
智东西11月4日消息，11月3日，美国生成式AI医疗独角兽Hippocratic AI宣布完成1.26亿美元（约合人民币8.97亿元）的C轮融资，谷歌母公司Alphabet旗下独立成长基金CapitalG参投。此轮融资也让该公司的估值达35亿美元（约合人民币249.24亿元），总融资额达到4.04亿美元（约合人民币28.77亿美元）。
不是最强 AI，却最懂用户刚需？在 Sensor Tower 发布的 Q3 应用出海榜单中，我们注意到了一个特别的 AI 应用「Seekee」。它空降下载榜 Top9，是当季度在海外获得最多下载量的出海 AI 应用，而由字节跳动出品、近一段时间炙手可热的「Cici」尽管排名上涨，但仅位列第 13。
十年前，「黑手党」这个词还属于PayPal。十年后，它成了OpenAI。那些离开OpenAI的人，没有远去，而是在外部重建另一个OpenAI。他们互相投资、互相背书，从算法到资本，织出一张无形的权力网。AI的故事，看似在讲技术，其实是在讲权力的继承。当算法学会模仿人类，人类也在用算法，复制自己的帝国。
2025 年 10 月，美股经历了一轮典型的震荡行情：月初科技股强势反弹，月中通胀数据扰动市场，10 月 10 日前后纳指单日波动超过 3%。就在这波谲云诡的市场环境中，港大黄超教授团队的开源 AI-Trader 项目正式启动实盘测试。该项目上线一周时间在 GitHub 上获得了近 8K 星标，展现了社区对 AI 自主交易技术和金融市场分析的能力高度关注。
前不久我写了一篇百度最新的OCR模型（PaddleOCR-VL）的文章反响还不错。
当AI不再只是解题机器，而能与人类并肩完成严谨的科研证明，这意味着什么？
前段时间，有媒体爆料说 OpenAI 打算推出一个 AI 抖音，没想到隔天，这个「AI 抖音」Sora 就上线了。
生成式AI技术的成熟，让智能编程逐渐成为众多开发者的日常，然而一个大模型API选型的“不可能三角”又随之而来：追求顶级、高速的智能（如GPT-4o/Claude 3.5），就必须接受高昂的调用成本；追求低成本，又往往要在性能和稳定性上做出妥协。开发者“既要又要”的正义，谁能给？
想象一下，你正在玩一款开放世界游戏，角色在无缝衔接的世界中自由漫游，游戏引擎必须实时生成一条无限长的视频流来呈现这个虚拟世界。或者，你戴着 AR 眼镜在街头行走，系统需要根据你的视线与动作，即时生成与你环境交互的画面。无论是哪种场景，都对 AI 提出了同样的要求：能实时生成高质量、长时间连贯的视频流。
山姆最近换了个前阿里的高管， 上任之后kuku一顿改，还用了AI图做app的菜品图结果被骂惨了，一开始我是不信的。
在几天前，上海交大发布了一篇名为 《上下文工程2.0：上下文工程的上下文》（Context Engineering 2.0: The Context of Context Engineering） 的重磅论文。
人类之所以能与复杂的物理世界高效互动，很大程度上源于对「工具」的使用、理解与创造能力。对任何通用型智能体而言，这同样是不可或缺的基本技能，对物理工具的使用会大大影响任务的成功率与效率。
1997年首提AGI的马克·古布鲁德（Mark Gubrud），从地下室论文到被遗忘的命名者；而今AGI成巨头博弈与数千亿美元资本的关键开关，微软与OpenAI以其为合同枢纽与控制权杠杆，标准却愈发模糊。
同样是语义相似度结合时效性做rerank，指数衰减、高斯衰减、线性衰减怎么选？ 假设你要在一个新闻应用中落地语义检索功能，让用户搜索雷军的投资版图盘点时，能自动关联顺为资本、小米战投等核心关联信息。
近期，慕尼黑大学团队推出Nicheformer，全球首个将单细胞分析与空间转录组学融合的大规模基础模型，由超1.1亿个细胞数据训练而来。这一成果被刊登在Nature子刊Nature Methods上，且团队已经将该模型开源。
屠榜开源大模型的MiniMax M2是怎样炼成的？为啥M1用了Linear Attention，到了M2又换成更传统的Full Attention了？ 面对现实任务，M2表现得非常扛打，在香港大学的AI-Trader模拟A股大赛中拿下了第一名，20天用10万本金赚了将近三千元。
刚刚，为期两周的 AI 投资大乱斗收官。
半成品模型，已经刷下高难度数学推理测试AIME 25满分战绩。
近日，AI歌手Xania Monet凭借一首火爆的单曲登上Billboard电台榜单，成为首位登上该榜的AI艺术家，还签下了价值300万美元的唱片合约。Monet的爆火在音乐行业掀起了轩然大波，格莱美天后SZA怒批其「贬低音乐」。
你敢想，微软堆成山的GPU，只能在库房里吃灰？
