每秒生成超30帧视频，支持实时交互！自回归视频生成新框架刷新生成效率
每秒生成超30帧视频，支持实时交互！自回归视频生成新框架刷新生成效率在A100上用310M模型，实现每秒超30帧自回归视频生成，同时画面还保持高质量！
来自主题: AI技术研报
9495 点击 2025-06-12 12:42
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
在A100上用310M模型，实现每秒超30帧自回归视频生成，同时画面还保持高质量！
端到端多模态GUI智能体有了“自我反思”能力！南洋理工大学MMLab团队提出框架GUI-Reflection。
当OpenAI以65亿美元估值收购前苹果传奇设计师乔纳森·伊夫（Jony Ive）的AI硬件初创公司io时，AI行业对大模型公司的生态战略产生了热议。
测试时扩展（Test-Time Scaling）极大提升了大语言模型的性能，涌现出了如 OpenAI o 系列模型和 DeepSeek R1 等众多爆款。那么，什么是视觉领域的 test-time scaling？又该如何定义？
6月6日，麻省理工学院与Recursion共同宣布推出一款突破性的AI+药物研发模型Boltz-2，用于预测药物靶标 3D 结构，以及结合亲和力。
当前，强化学习（RL）在提升大语言模型（LLM）推理能力方面展现出巨大潜力。DeepSeek R1、Kimi K1.5 和 Qwen 3 等模型充分证明了 RL 在增强 LLM 复杂推理能力方面的有效性。
模型卷得差不多了，AI硬件竞争开启了。Google前脚刚在I/O大会上预告，整合了Gemini AI的Android XR设备即将问世；OpenAI就紧随其后，宣布将以近65亿美元（约合人民币468亿元）的全股权交易方式，收购一家硬件初创公司IO。
本文内容整理自 ProtonBase CEO 王绍翾在 AICon 的主题演讲《Data Warebase: Instant Ingest-Transform-Explore-Retrieve for AI Applications》。
注意力机制的「平方枷锁」，再次被撬开！一招Fenwick树分段，用掩码矩阵，让注意力焕发对数级效率。更厉害的是，它无缝对接线性注意力家族，Mamba-2、DeltaNet 全员提速，跑分全面开花。长序列处理迈入log时代！
大模型的发展正在遭遇瓶颈。随着互联网文本数据被大规模消耗，基于数字世界训练的AI模型性能提升速度明显放缓。与此同时，物理世界中蕴藏着数字世界数百倍甚至千倍的多模态数据，这些数据远未被有效利用，成为AI发展的下一个重要方向。