搜索
刚刚，鹅厂把文生图卷出了新高度——发布混元图像2.0模型（Hunyuan Image 2.0），首次实现毫秒级响应，边说边画，实时生成！用户一边描述，它紧跟着绘制，整个过程那叫一个丝滑。不用等待，专治各种没有耐心。
Chris Pelkey，一位枪击案受害者，对法庭如是说道。但这并不是他本人。他在 2021 年的一次路怒枪击事件中，已经不幸去世。庭审现场上播放的，是以 Pelkey 的形象和声音制作的 AI 视频。
Windsurf发布首个前沿模型SWE-1，AI编程领域风起云涌，目标是将开发效率提升99%。SWE-1不仅能写代码，更能理解并协助整个软件工程流程。核心创新在于「流动感知」系统，即AI与用户共享操作时间线，实现高效协作。
Manus深夜官宣，现在支持生成图像了！和一般AI绘图工具的“抽卡”模式不同，Manus能够理解你画图的目的，规划出生成方案后再“动手”。
苹果近期开源本地端侧视觉语言模型FastVLM，支持iPhone等设备本地运行，具备快速响应、低延迟和多设备适配特性。该模型依托自研框架MLX和视觉架构FastViT-HD，通过算法优化实现高效推理，或为未来智能眼镜等新硬件铺路，体现苹果将AI深度嵌入系统底层的战略布局。
5 月 14 日凌晨，X 平台的用户发现，Grok 在回应各种无关问题时，会固执地转向一个敏感话题：南非的“白人种族灭绝”。比如，用户询问棒球运动员 Max Scherzer 的薪水，“MaxScherzer 今年不打球真的能赚 7200 万美元吗？”
你以为PDF只是用来阅读文档的？这次它彻底颠覆了你的想象！极客Aiden Bai最新整活——直接把大语言模型（LLM）塞进PDF里，打开文件就能让AI讲故事、陪你聊天！更夸张的是，连Linux系统都能在PDF里运行。
近日，腾讯 PCG 社交线的研究团队针对这一问题，采用强化学习（RL）训练方法，通过分组相对策略优化（Group Relative Policy Optimization, GRPO）算法，结合基于奖励的课程采样策略（Reward-based Curriculum Sampling, RCS），将其创新性地应用在意图识别任务上，
最近，Google 推出了一个可以精准控制画面中光影的项目 —— LightLab。 它让用户能够从单张图像实现对光源的细粒度参数化控制， 可以改变可见光源的强度和颜色、环境光的强度，并且能够将虚拟光源插入场景中。
多模态大模型（Multimodal Large Language Models, MLLM）正迅速崛起，从只能理解单一模态，到如今可以同时理解和生成图像、文本、音频甚至视频等多种模态。正因如此，在AI竞赛进入“下半场”之际（由最近的OpenAI研究员姚顺雨所引发的共识观点），设计科学的评估机制俨然成为决定胜负的核心关键。