统一视觉多模态与多任务！快手可灵与港科大团队发布视频生成模型，加速真实世界理解
统一视觉多模态与多任务！快手可灵与港科大团队发布视频生成模型，加速真实世界理解不仅能“听懂”物体的颜色纹理，还能“理解”深度图、人体姿态、运动轨迹……
来自主题: AI技术研报
9216 点击 2025-12-15 10:42
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
不仅能“听懂”物体的颜色纹理，还能“理解”深度图、人体姿态、运动轨迹……
在 Physical Intelligence 最新的成果 π0.6 论文里，他们介绍了 π0.6 迭代式强化学习的思路来源：
号称满分屠榜的GPT-5.2，一发布就降智了？许多网友现身表示，似乎确实比开始弱了很多。但提前实测的网友表示，它的确很强，甚至当得起GPT-6之称！
多语言大模型（MLLM）在面对多语言任务时，往往面临一个选择难题：是用原来的语言直接回答，还是翻译成高资源语言去推理？
2025年，英伟达市值最高突破5万亿美元，成为全球市值历史第一公司。黄仁勋已不仅是一位科技CEO，更是全球AI经济的架构师。黄仁勋用一种反直觉的「受虐」文化，构建了人类历史上最庞大的算力帝国。
Google 周五宣布，正式向 Google 翻译引入其 Gemini 模型的各项能力。此次更新不仅带来了能够通过耳机进行的实时语音翻译 Beta 版体验，还大幅提升了文本翻译的语境理解能力，并扩展了应用内的语言学习工具。
还在争论Skills是不是prompt？已经可以停下火了。因为，刚刚得到的消息消息，OpenAI已经悄悄地用上了Skills了。今天，知名博主、Django Web 框架联合创始人Simon Willson爆料：
近日，由美国伊利诺伊大学厄巴纳香槟分校 Huimin Zhao 教授和南京师范大学教授崔海洋等人共同研发出一种名为 EZSpecificity 的 AI 工具，成功给酶装上了智能识别系统，能以前所未有的准确度预测酶和底物之间的匹配关系，相关论文发表于 Nature。
刚刚，AI又破解了一个数学难题！Erdos#1026问题已经被攻克，且给出了正式证明。而在此之前，这个问题已经困扰了数学界50年。陶哲轩在Mastodon上宣布了这一消息，还在一篇博客中详细讲述了这个故事。
近日，浙江大学副教授胡星和团队开发出一款名为 CatCoder 的 AI 框架，它能够读懂一个完整的软件项目，生成准确、可用的代码。在 Java 任务上，它在代码编译通过率和测试通过率上，比业内表现突出的代表之一 RepoCoder 最高提升了 14.44% 和 17.35%。