搜索
长期以来，扩散模型的训练通常依赖由变分自编码器（VAE）构建的低维潜空间表示。然而，VAE 的潜空间表征能力有限，难以有效支撑感知理解等核心视觉任务，同时「VAE + Diffusion」的范式在训练
作为视频创作者，你是否曾梦想复刻《盗梦空间》里颠覆物理的旋转镜头，或是重现《泰坦尼克号》船头经典的追踪运镜？
在3D内容创作领域，如何像玩乐高一样，自由生成、编辑和组合对象的各个部件，一直是一个核心挑战。香港大学、VAST、哈尔滨工业大学及浙江大学的研究者们联手，推出了一个名为 OmniPart 的全新框架，巧妙地解决了这一难题。该研究已被计算机图形学顶会 SIGGRAPH Asia 2025 接收。
美国签证体系，尤其在科技人才领域，长期被诟病为成本高、周期长、透明度低。前微软科学家Priyanka Kulkarni创办Casium，尝试用AI改造签证服务，把3–6个月的材料准备缩至10个工作日左右；部分案例不到1个月即可入职。
今年，流匹配无疑是机器人学习领域的大热门：作为扩散模型的一种优雅的变体，流匹配凭借简单、好用的特点，成为了机器人底层操作策略的主流手段，并被广泛应用于先进的 VLA 模型之中 —— 无论是 Physical Intelligence 的 ，LeRobot 的 SmolVLA, 英伟达的 GR00T 和近期清华大学发布的 RDT2。
当特斯拉、Figure还在发量产蓝图时，中国公司已率先量产独特的绳驱AI机器人，并进入科研商业应用。IROS 2025顶会上，他们以跨国遥操和半身机器人新品引发关注。「Design for AI」的长期主义设计哲学，也获《Nature》报道认可。
本文介绍了一种用高数据效率强化学习算法 SAC 训练流策略的新方案，可以端到端优化真实的流策略，而无需采用替代目标或者策略蒸馏。SAC FLow 的核心思想是把流策略视作一个 residual RNN，再用 GRU 门控和 Transformer Decoder 两套速度参数化。
哪些团队在真正积极拥抱 AI，而哪些团队还在偷偷“躲避”。
AI模型是现在，Physical AI是未来
Poolside 是一家 AI 编程初创公司，其首款产品问世仅一年。该公司正与 CoreWeave 合作开发全美规模最大的数据中心之一，这标志着人工智能基础设施投资热潮的最新动向。