搜索
“What is meant often goes far beyond what is said, and that is what makes conversation possible.” ——H. P. Grice
无需额外训练即可适配预训练生成模型的编辑方法，凭借灵活、高效的特性，已成为视觉生成领域的研究热点。这类方法通过操控 Attention 机制（如 Prompt-to-Prompt、MasaCtrl）实现文本引导编辑，但当前技术存在两大核心痛点，严重限制其在复杂场景的应用
今年 2 月，月之暗面提出了一种名为 MoBA 的注意力机制，即 Mixture of Block Attention，可以直译为「块注意力混合」。
近年来，Stable Diffusion、CogVideoX 等视频生成模型在自然场景中表现惊艳，但面对科学现象 —— 如流体模拟或气象过程 —— 却常常 “乱画”：如下视频所示，生成的流体很容易产生违背物理直觉的现象，比如气旋逆向旋转或整体平移等等。
近期，阿里巴巴 ROLL 团队（淘天未来生活实验室与阿里巴巴智能引擎团队）联合上海交通大学、香港科技大学推出「3A」协同优化框架 ——Async 架构（Asynchronous Training）、Asymmetric PPO（AsyPPO）与 Attention 机制（Attention-based Reasoning Rhythm），
美国人工智能初创企业Perplexity宣布推出世界首个AI专利智能体（agent）——Perplexity Patents。Perplexity表示，其目标是带来人人可用的专利智能体，让知识产权情报触手可及。其瞄准的正是专利情报分析的行业痛点：长期以来，工程师、研究人员、专利从业者和企业领导者在进行专利检索时，往往需要结合关键词组合和对专利晦涩行文的掌握，才能获得全面的研究结果。
屠榜开源大模型的MiniMax M2是怎样炼成的？为啥M1用了Linear Attention，到了M2又换成更传统的Full Attention了？ 面对现实任务，M2表现得非常扛打，在香港大学的AI-Trader模拟A股大赛中拿下了第一名，20天用10万本金赚了将近三千元。
我们被「黑箱」困住了！深度生成模型虽能创造逼真内容，但其内部运作机制如同「黑箱」，潜变量的意义难以捉摸。埃默里大学团队提出LatentExplainer框架，巧妙地将潜在变量转化为易懂解释，大幅提升模型解释质量与可靠性。
生成式 AI 正在重写 3D 内容的生产流程：从“DCC 工具 + 外包”的线性供给，演进到“资产规模化生成 + 管线可用”的指数供给模式。过去五年，技术范式经历了从实时体积渲染，NeRF，到Score Distillation，3D扩散的快速迭代；需求侧则由游戏与影视，向3D 打印、电商样机、数字人、教育培训、以及AR/VR等长尾场景外溢。
他们又推出了 Coral NPU，可用于构建在低功率设备上持续运行的 AI。具体来说，其可在可穿戴设备上运行小型 Transformer 模型和 LLM，并可通过 IREE 和 TFLM 编译器支持 TensorFlow、JAX 和 PyTorch。