搜索
幻觉（Hallucination），即生成事实错误或不一致的信息，已成为视觉-语言模型 (VLMs）可靠性面临的核心挑战。随着VLMs在自动驾驶、医疗诊断等关键领域的广泛应用，幻觉问题因其潜在的重大后果而备受关注。
从单张图像生成灵活视角3D场景的技术来了，在考古保护、自主导航等直接获取3D数据成本高昂或不可行的领域具有重要应用价值。
AGI的这两年，基本OpenAI压着谷歌打的两年，包括但不限于谷歌自己的失误、每次发布会的被截胡。比如这次Gemini 2.5 Pro 被 4o图片生成功能抢走了几乎所有关注点。但谷歌确实也在一直追赶，从最开始的措手不及，到现在已经开始有来有往。著名科技杂志《连线》采访了谷歌前和现员工超50人，发布了一篇长文，深度挖掘了谷歌这两年苦苦追赶Openai的内幕故事，
最近几天，OpenAI 革新的 GPT-4o 图像功能给大家带来了不少乐趣，各路社交媒体都被「吉卜力」风格的图像、视频刷了屏。机器之心还尝试了制作了《甄嬛传》的名场面（视频如下，制作方法参见《GPT-4o 整活！3 个小时、6 个镜头重现吉卜力版《甄嬛传》名场面》）。
护城河是所有投资人和创始人都非常关注的一个概念，因为它涉及到企业的长期价值和生死存亡。AI 时代，大家对护城河同样有执念，但是越来越搞不懂什么才是这个时代的护城河了，甚至是否还有护城河都已经是一个问题。
AI的运作始终笼罩着一层神秘的「黑箱」迷雾。这种不透明让AI有时会「胡说八道」，甚至故意撒谎。Anthropic刚刚推出了一项突破性研究，用类似大脑扫描的技术，深入Claude 3.5 Haiku的「脑子」，揭开了它运行的一些秘密。
机器狗不语，只是一味地在北大未名湖畔捡垃圾。
从春晚舞台上的宇树科技人形机器人惊艳亮相，到深度求索（DeepSeek）以“国产ChatGPT”之姿引爆行业，人工智能正以前所未有的速度重塑生活场景。
Spatial-RAG结合了空间数据库和大型语言模型（LLM）的能力，能够处理复杂的空间推理问题。通过稀疏和密集检索相结合的方式，Spatial-RAG可以高效地从空间数据库中检索出满足用户查询的空间对象，并利用LLM的语义理解能力对这些对象进行排序和生成最终答案。
GPT4o的多模态生图前天上线之后。经过两天的发酵，含金量还在不断提升。