基于多模态大模型语义理解能力的统一多模态嵌入模型UniME-V2。该方法首先通过全局检索构建潜在困难负例集，随后创新性地引入“MLLM-as-a-Judge”机制：利用MLLM对查询-候选对进行语义对齐评估，生成软语义匹配分数。
面向自动驾驶的多模态大模型在 “推理链” 上多以文字或符号为中介，易造成空间 - 时间关系模糊与细粒度信息丢失。FSDrive（FutureSightDrive）提出 “时空视觉 CoT”（Spatio-Temporal Chain-of-Thought），让模型直接 “以图思考”，用统一的未来图像帧作为中间推理步骤，联合未来场景与感知结果进行可视化推理。
“TreeSynth” 就这样起源于作者们最初的构想：“如何通过一句任务描述生成海量数据，完成模型训练？” 同时，大规模 scalibility 对合成数据的多样性提出了新的要求。
Thinking Machines Lab发布首个产品：Thinker，让模型微调变得像改Python代码一样简单。也算是终于摘掉了“0产品0收入估值840亿”的帽子。Tinker受到了业界的密切关注。AI基础设施公司Anyscale的CEO Robert Nishihara等beta测试者表示，尽管市面上有其他微调工具，但Tinker在“抽象化和可调性之间取得了卓越的平衡”
Alex 是一家开发 AI 招聘官的初创公司，该公司表示其技术已帮助企业进行视频面试和电话初筛。约18 个月前联合创办 Alex 的王亚伦（图中下排居中）向 TechCrunch 透露，该公司的语音 AI 工具能在求职者投递简历后立即开展自主面试。"我们的 AI 招聘官每天进行数千场面试，帮助求职者进入全球顶尖企业工作，"他说道。
一家来自印度苏拉特的创业公司 Rocket.new 却声称他们解决了这个问题。不仅如此，他们还刚刚完成了1500万美元的种子轮融资，由Salesforce Ventures和Accel联合领投，Together Fund跟投。更令人惊讶的是，这家公司从beta版上线到完成融资仅用了3个月时间，目前已经拥有40万用户，分布在180个国家，年收入达到450万美元。
全新一代 video-SALMONN 2/2+、首个开源推理增强型音视频理解大模型 video-SALMONN-o1（ICML 2025）、首个高帧率视频理解大模型 F-16（ICML 2025），以及无文本泄漏基准测试 AVUT（EMNLP 2025） 正式发布。新阵容在视频理解能力与评测体系全线突破，全面巩固 SALMONN 家族在开源音视频理解大模型赛道的领先地位。
这家名为Howie的西雅图创业公司刚刚完成了600万美元的种子轮融资，背后的故事比融资本身更值得关注。Superhuman的CEO Rahul Vohra用它来"减少日程安排时间，，All-In播客的Jason Calacanis用它来控制自己的会议节奏，
在三维重建不断走向工程化的今天，前馈式3D Gaussian Splatting（Feed-Forward 3DGS）正火速走向产业化。 然而，现有的前馈3DGS方法主要采用“像素对齐”（pixel-aligned）策略——即将每个2D像素单独映射到一个或多个3D高斯上。
最新案例显示，由三位前OpenAI 员工于五月创立的 Applied Compute 公司，在完成上一轮估值 1 亿美元的融资仅三个月后，正以 5 亿美元估值洽谈新一轮融资。
