比NanoBanana更擅长中文和细节控制！兔展&北大Uniworld V2刷新SOTA
比NanoBanana更擅长中文和细节控制！兔展&北大Uniworld V2刷新SOTA比Nano Banana更擅长P细节的图像编辑模型来了，还是更懂中文的那种。
来自主题: AI技术研报
8163 点击 2025-11-05 16:42
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
比Nano Banana更擅长P细节的图像编辑模型来了，还是更懂中文的那种。
谷歌遗珠与IBM预言：一文点醒Karpathy，扩散模型或成LLM下一步。
近期，Google DeepMind 发布新一代具身大模型 Gemini Robotics 1.5，其核心亮点之一便是被称为 Motion Transfer Mechanism（MT）的端到端动作迁移算法 —— 无需重新训练，即可把不同形态机器人的技能「搬」到自己身上。不过，官方技术报告对此仅一笔带过，细节成谜。
谷歌世界模型大牛Danijar Hafner宣布离任！他自2016年起开始在Google Brain实习，后又在DeepMind、Brain Team工作。他的经历颇具传奇色彩，曾获辛顿指导，还与Łukasz Kaiser、Ashish Vaswani等Transformer大佬有过交集。
扩散大语言模型得到了突飞猛进的发展，早在 25 年 2 月 Inception Labs 推出 Mercury—— 第一个商业级扩散大型语言模型，同期人民大学发布第一个开源 8B 扩散大语言模型 LLaDA，5 月份 Gemini Diffusion 也接踵而至。
2025 年 10 月，美股经历了一轮典型的震荡行情：月初科技股强势反弹，月中通胀数据扰动市场，10 月 10 日前后纳指单日波动超过 3%。就在这波谲云诡的市场环境中，港大黄超教授团队的开源 AI-Trader 项目正式启动实盘测试。该项目上线一周时间在 GitHub 上获得了近 8K 星标，展现了社区对 AI 自主交易技术和金融市场分析的能力高度关注。
前不久我写了一篇百度最新的OCR模型（PaddleOCR-VL）的文章反响还不错。
当AI不再只是解题机器，而能与人类并肩完成严谨的科研证明，这意味着什么？
生成式AI技术的成熟，让智能编程逐渐成为众多开发者的日常，然而一个大模型API选型的“不可能三角”又随之而来：追求顶级、高速的智能（如GPT-4o/Claude 3.5），就必须接受高昂的调用成本；追求低成本，又往往要在性能和稳定性上做出妥协。开发者“既要又要”的正义，谁能给？
想象一下，你正在玩一款开放世界游戏，角色在无缝衔接的世界中自由漫游，游戏引擎必须实时生成一条无限长的视频流来呈现这个虚拟世界。或者，你戴着 AR 眼镜在街头行走，系统需要根据你的视线与动作，即时生成与你环境交互的画面。无论是哪种场景，都对 AI 提出了同样的要求：能实时生成高质量、长时间连贯的视频流。