搜索
通用人工智能的终极瓶颈不是算法、算力和数据的“三驾马车”，而在思想史。
北京大学，银河通用，阿德莱德大学，浙江大学等机构合作，探究如何构建具身导航的基座模型（Embodied Navigation Foundation Model）提出了NavFoM，一个跨任务和跨载体的导航大模型。实现具身导航从“专用”到“通用”的技术跃进
Cal AI联合创始人Zach Yadegari自7岁起学习编程，16岁卖出自己首个应用赚得近10万美元，并与另外一名高中生联合创办了一家年营收达3000万美元的AI应用公司。在被常春藤盟校拒绝后，Yadegari选择进入迈阿密大学。Yadegari认为AI时代会出现更多年轻的创业者，他给出的最重要的一条创业建议就是：立刻行动。
在 3D 视觉领域，如何从二维图像快速、精准地恢复三维世界，一直是计算机视觉与计算机图形学最核心的问题之一。从早期的 Structure-from-Motion (SfM) 到 Neural Radiance Fields (NeRF)，再到 3D Gaussian Splatting (3DGS)，技术的演进让我们离实时、通用的 3D 理解越来越近。
每周我们都会和不少AI公司创业者交流，体验和评测新的AI产品，以各种方式去研究这些项目。
当医生按下Enter键，AI就能决定人的生死！美国华盛顿大学，一项名为「AI代理人」的研究，试图让算法预测昏迷患者的生死意愿。支持者说这是医疗新纪元，反对者担心它只是复制偏见的机器。当AI学会理解生命，人类的怜悯、犹豫与责任，会不会被一串数据取代？
Game-TARS基于统一、可扩展的键盘—鼠标动作空间训练，可在操作系统、网页与模拟环境中进行大规模预训练。依托超5000亿标注量级的多模态训练数据，结合稀疏推理（Sparse-Thinking） 与衰减持续损失（decaying continual loss），大幅提升了智能体的可扩展性和泛化性。
国内首个利用世界模型生成数据实现真机泛化的端到端VLA具身基础模型GigaBrain-0重磅发布。
近期，DeepSeek-OCR提出了“Vision as Context Compression”的新思路，然而它主要研究的是通过模型的OCR能力，用图片压缩文档。
Gambo 称自己为 “世界上第一个 Game Vibe Coding Agent”。用户只需描述游戏类型、主题或风格，AI 就会自动生成场景、角色、交互与音效，并把这些内容编织成一个可玩的世界。