Harmon：协调视觉表征，统一多模态理解和生成（模型已开源）
Harmon：协调视觉表征，统一多模态理解和生成（模型已开源）GPT-4o 生图功能的出现揭示了统一理解与生成模型的巨大潜力，然而如何在同一个框架内协调图像理解与生成这两种不同粒度的任务，是一个巨大的挑战。
来自主题: AI技术研报
8166 点击 2025-05-10 13:35
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
GPT-4o 生图功能的出现揭示了统一理解与生成模型的巨大潜力，然而如何在同一个框架内协调图像理解与生成这两种不同粒度的任务，是一个巨大的挑战。
据EETimes报道，美国AI芯片独角兽SambaNova Systems近期宣布将裁员77人，约占其500名员工的15%。此次裁员正值该公司偏离最初目标，放弃做AI训练，转向完全专注于AI推理。
在短视频成为亿万用户日常生活标配的当下，它不仅是一种娱乐方式，更是人们获取信息、表达观点、构建社交的主要媒介。
《智能涌现》独家获悉，零一万物联合创始人、技术副总裁戴宗宏于近日离职创业。在零一万物期间，戴宗宏负责AI Infra团队，主要解决大批量并行训练时的系统瓶颈，提升训练效率，降低训练成本。
当您的Agent需要规划多步骤操作以达成目标时，比如游戏策略制定或旅行安排优化等等，传统规划方法往往需要复杂的搜索算法和多轮提示，计算成本高昂且效率不佳。来自Google DeepMind和CMU的研究者提出了一个简单却非常烧脑的问题：我们是否一直在用错误的方式选择示例来引导LLM学习规划？
多模态奖励模型（MRMs）在提升多模态大语言模型（MLLMs）的表现中起着至关重要的作用：
长文本能力对语言模型（LM，Language Model）尤为重要，试想，如果 LM 可以处理无限长度的输入文本，我们可以预先把所有参考资料都喂给 LM，或许 LM 在应对人类的提问时就会变得无所不能。
不用动作捕捉，只用一段视频就能教会机器人学会人类动作，效果be like：
在人工智能领域，推理能力的进化已成为通向通用智能的核心挑战。近期，Reinforcement Learning with Verifiable Rewards（RLVR）范式下涌现出一批「Zero」类推理模型，摆脱了对人类显式推理示范的依赖，通过强化学习过程自我学习推理轨迹，显著减少了监督训练所需的人力成本。
科技巨头常吹嘘需要庞大昂贵GPU 集群的万亿参数 AI 模型，但 Fastino 正采取截然不同的策略