搜索
今天几乎所有主流视觉语言模型（VLM）—— 无论是 Qwen-VL、InternVL，还是 LLaVA 系列 —— 都遵循着同一套经典架构：先用预训练视觉编码器（如 CLIP、SigLIP）将图像压缩为特征，再通过投影层把这些特征送入大语言模型。
Google DeepMind在6月份对外分享了DiffusionGemma的技术报告，明确指向了一条与现有主流完全不同的演进道路。当大家都在绞尽脑汁让大模型逐词吐字的速度变快时，谷歌干脆把生成顺序改了。
今天上午，利弗莫尔证券数据确认：MOMENTA GLOBAL LIMITED（梦腾智驾环球有限公司）已正式通过港交所上市聆讯，联席保荐人为中金公司、德意志银行。
米哈游的新项目《BSide: Olivia Lin》，看起来不太像一款传统游戏。
如今，CameraSquad 的出现，让这种多视角一致的视频生成与 3D 世界状态构建成为现实。近日，中国科学院大学高林研究员团队联合卡迪夫大学、香港科技大学和快手可灵团队，提出了一种面向多轨迹并行生成的相机可控视频生成方法 CameraSquad [1]，相关论文已被 ACM SIGGRAPH 2026 录用。
真正把灵动岛推上风口的，是 6 月以来接连发生的几件事。6 月 8 日的 WWDC 2026，苹果发布了全新的 Siri AI。Federighi 在台上的原话是，苹果要「带来下一代 Apple Intelligence，并推出 Siri AI，一个明显更聪明、更博学、也更能干的 Siri」。
猝不及防！Anthropic深夜甩出Claude Design大更新，设计系统一键导入，代码双向同步，9大平台一键导出。Anthropic设计师亲自下场录屏：AI跑了八轮自查，才敢把设计稿给你看。
PD大促还有两个周就开始了，不知道做亚马逊的你们词库搭好了吗？
你有没有想过，做一个网站这件事，可能根本不需要会设计，也不需要会写代码？这听起来有点反常识，但天工刚好就在往这个方向走。6月15日，天工设计智能体正式在 tiangong.cn 全面上线，我看完它的介绍之后第一反应是，这不是又一个做图工具，这是想直接把从想法到产品原型这条路给压缩掉。
近日，来自英国南安普顿大学（University of Southampton）和广州大学的研究者团队提出 SlaClip，一种用于差分隐私随机梯度下降（DP-SGD）[1] 的自适应梯度剪裁方法。