搜索
80年前，阿根廷作家博尔赫斯写过一个寓言，叫《博闻强记的富内斯》。博尔赫斯笔下的富内斯，拥有过目不忘、堪称完美的记忆，却无法思考，因为思考依赖于遗忘和抽象。
如果想开发一个视频理解应用，你会怎么做？
近年来，多模态大语言模型（MLLM）在视觉问答、图表理解、科学推理等任务上取得了令人瞩目的进展。
同一个问题，换一种语言问 Claude，得到的可能不只是措辞不同的答案。
曾经我们对 AI 的期待还比较朴素，写邮件、翻译论文、聊天搭子……那时候，AI 像一个初出茅庐的实习生，你指哪它打哪，但也经常一本正经地胡说八道。
近日，自监督学习新工作 VISReg（Variance-Invariance-Sketching Regularization）获图灵奖得主 Yann LeCun 连续转发并给予高度认可 —— 他在转发时评价道「VICReg begat SIGReg which begat VISReg」（VICReg 孕育了 SIGReg，SIGReg 又孕育了 VISReg），
7月6日，腾讯混元Hy3正式版发布。
打官司，从来不是一问一答就能结束的事。
过去几年，扩散模型几乎定义了高质量图像生成：从随机噪声出发，经过多轮迭代，逐步 “雕刻” 出一张图像。但随着大语言模型席卷人工智能领域，另一条路线正迅速走到舞台中央 —— 图像，能否也像语言一样，通过自回归方式逐步生成？
不教AI认手,而是从视频世界模型里直接「读」出双手:三大基准SOTA,让百万小时野生视频第一次能变成机器人的操作教材。