搜索
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？
2K 图像 210ms 解码，4K 细节直接生成，传统「解码 + 超分」流水线可能要被重写了。
今天，又有新的问题出现了，这一次是谷歌搜索。有用户发现，近日升级了 AI 能力的谷歌搜索在面对「google 里面有几个 P」这样的简单问题时竟然失败了！这件事引发广泛关注和测试热潮。我们也简单试了下，就算用汉语提问，谷歌搜索同样错误，而且还自行加戏，导致错上加错 —— 说 Pixel 里面有两个 P
今日，像素绽放PixelBloom宣布完成C轮融资。本轮融资由国科投资与商汤国香资本联合领投，基石创投、大米创投跟投。 资金将重点投入AI办公解决方案Agent的研发迭代、商业化落地及全球化人才招募。
何恺明，再次出手精简架构。
来自 Player2 的研究员们提出了 Pixel2Play（P2P）模型，该模型以游戏画面和文本指令作为输入，直接输出对应的键盘与鼠标操作信号。在消费级显卡 RTX 5090 上，P2P 可以实现超过 20Hz 的端到端推理速度，从而能够真正像人类一样和游戏进行实时交互。P2P 作为通用游戏基座模型，在超过 40 款游戏、总计 8300 + 小时的游戏数据上进行了训练，
从ChatGPT爆火以后，就总有“AI太牛了，自己是不是要失业了”等等类似的声音出现。
多模态大模型（MLLMs）虽然在图像理解、视频分析上表现出色，但多停留在整体场景级理解。
多模态大模型（MLLM）在自然图像上已取得显著进展，但当问题落在图表、几何草图、科研绘图等结构化图像上时，细小的感知误差会迅速放大为推理偏差。
多模态大模型首次实现像素级推理，指代、分割、推理三大任务一网打尽！