AI资讯新闻榜单内容搜索-o

关键词: sora,AI视频,AI算力,ReVideo

北大-兔展联合发起的Sora开源复现计划Open-Sora-Plan，今起可以生成最长约21秒的视频了！

关键词: 多模态,思维链,CoT,决策感知多模态思维链架构,AI架构

多模态大模型，也有自己的CoT思维链了！ 厦门大学&腾讯优图团队提出一种名为“领唱员（Cantor）”的决策感知多模态思维链架构，无需额外训练，性能大幅提升。

关键词: 3DGen-Arena,扩散模型,AI,文生3D,图生3D

3D生成也有自个儿的人工评测竞技场了～ 来自复旦大学和上海AI lab的研究人员搞了个3DGen-Arena，和大语言模型的Chatbot-Arena、GenAI-Arena等一脉相承，要让大伙儿对3D生成模型来一场公开、匿名的评测

关键词: AI独角兽,AI,openai,马斯克,大模型,xAI

马斯克搞大模型又融到60亿美元（约435亿元）！ 这是xAI最大的一轮融资，目前估值已来到240亿美元（约1738亿元），一举超过Anthropic，成为OpenAI之下第二位。 借着这个势头，老马也亲自下场发起招聘广告： 如果你相信我们理解宇宙的使命，需要最大限度地严格追求真理，而不考虑受欢迎程度或政治正确性，欢迎加入xAI。

关键词: 电信大模型,电信语音大模型,GPT-4o,国产大模型,AI

更适配中文的语音大模型来了—— 来自中国电信人工智能研究院，AI领域Fellow大满贯科学家李学龙带队，发布首个能听懂30多种多方言混说的大模型。 号称最难方言、“魔鬼的语言”的温州话，也不在话下。

关键词: 大模型,模型训练,LLM,AI,Unbiased Watermark,无偏水印

随着大语言模型（LLM）的快速发展，其在文本生成、翻译、总结等任务中的应用日益广泛。如微软前段时间发布的Copilot+PC允许使用者利用生成式AI进行团队内部实时协同合作，通过内嵌大模型应用，文本内容可能会在多个专业团队内部快速流转，对此，为保证内容的高度专业性和传达效率，同时平衡内容追溯、保证文本质量的LLM水印方法显得极为重要。

关键词: AI机器人,八爪鱼,Octo,Transformer,机器人基础模型

一位优秀的相声演员需要吹拉弹唱样样在行，类似地，一个优秀的机器人模型也应能适应多样化的机器人形态和不同的任务，但目前大多数机器人模型都只能控制一种形态的机器人执行一类任务。现在 Octo（八爪鱼）来了！这个基于 Transformer 的模型堪称当前最强大的开源机器人学习系统，无需额外训练就能完成多样化的机器人操控任务并能在一定程度适应新机器人形态和新任务，就像肢体灵活的八爪鱼。

关键词: iVideoGPT,交互式世界模型,大模型,AI,模型训练

iVideoGPT，满足世界模型高交互性需求。

关键词: YOLOv,AI,AI视觉,大模型

相同性能情况下，延迟减少 46%，参数减少 25%。

关键词: OCR小模型,VIMTS,模型训练,扩散模型

通过提示查询生成模块和任务感知适配器，大一统框架VimTS在不同任务间实现更好的协同作用，显著提升了模型的泛化能力。该方法在多个跨域基准测试中表现优异，尤其在视频级跨域自适应方面，仅使用图像数据就实现了比现有端到端视频识别方法更高的性能。