搜索
全球首个可大规模落地的开源原生多模态架构（Native VLM），名曰NEO。要知道，此前主流的多模态大模型，例如我们熟悉的GPT-4V、Claude 3.5等，它们的底层逻辑本质上其实玩的就是拼接。
当地时间12月4日下午，谷歌研究员的一篇论文在现场引来了超多AI爱好者的围观。甚至，被业界专家视为“为AGI发展提供了新框架”，一位人士评价为：这篇论文将成为逐步推动实现AGI的5~10篇论文中的一篇。
太劲爆了！不过半月，谷歌DeepMind终于放出了IMO最强金牌模型——Gemini 3 Deep Think。今天，Gemini 3 Deep Think已在Gemini App上线，所有Ultra用户即可体验。
游戏进入下半场，阿彪说，他想让 Pollo AI 成为 AI 时代的剪映。
硬氪独家获悉，前安克创新全球CMO、中国区总裁王时远离职后创业，成立「穗升科技」；公司聚焦AI录音硬件赛道，依托软硬件结合方案实现记忆管理与行动的闭环。
“帮助全世界 40 万人成为导演，这种成就感，比我自己拍一部电影要大得多。”
键盘作为人机交互的主要工具，实质上是一个巨大且不自然的「输入、输出瓶颈」。在「后键盘时代（post-keyboard future）」，语音或许才是最好地交互方式。
大模型总是无法理解空间，就像我们难以想象四维世界。
DeepSeek 一发布模型，总会引起业内的高度关注与广泛讨论，但也不可避免的暴露出一些小 Bug。
Vision–Language–Action（VLA）策略正逐渐成为机器人迈向通用操作智能的重要技术路径：这类策略能够在统一模型内同时处理视觉感知、语言指令并生成连续控制信号。