搜索
近年来，视觉语言基础模型（Vision Language Models, VLMs）大放异彩，在多模态理解和推理上展现出了超强能力。现在，更加酷炫的视觉语言动作模型（Vision-Language-Action Models, VLAs）来了！通过为 VLMs 加上动作预测模块，VLAs 不仅能 “看” 懂和 “说” 清，还能 “动” 起来，为机器人领域开启了新玩法！
在刚刚过去的 2024 年，OpenAI 推出了 o 系列模型。相比于以往大型语言模型，o 系列模型使用更多的计算进行更深入的「思考」，能够回答更复杂、更细致的问题。
GPT-4o仅得分64.5，其余模型均未及格！ 全面、细粒度评估模型多模态长文档理解能力的评测集来了～ 名为LongDocURL，集成了长文档理解、数值推理和跨元素定位三个主任务，并包含20个细分子任务。
AI 编程的发展快速发展，让很多人认为 AI 取代人工编程是个迟早的事情。4 周时间 ARR 突破 400 万美金的 Lovable，其创始人 Anton Osika 前天再次分享称，Lovable 的 ARR 在 5 周内已经突破了 530 万美金。
微软又把OpenAI的机密泄露了？？在论文中明晃晃写着： o1-preview约300B参数，GPT-4o约200B，GPT-4o-mini约8B……
巴西初创公司Carecode宣布完成一轮预种子融资，筹集了430万美元资金，旨在开发一项基于对话式人工智能（AI）的客户服务解决方案，专注于医疗行业。
OpenAI发布旗舰推理模型o3和o3-mini，成为他们2024年的收官之作，制造了一波小热潮。和往常一样，Twitter (x.com)依然是外网讨论的主阵地。
I want it，I got it，在让幻觉成真这件事上，AI 有的是力气和手段。
奥特曼说，Sora代表了视频生成大模型的GPT-1时刻。
没有GPU Poor，只有卷得不够多。 DeepSeek-V3的横空出世，用一组惊人的数据完美诠释了这句话。