搜索
Jim Fan 押注的这条 “先预测世界，再生成动作” 的新路，正是当下具身智能领域最炙手可热的下一代范式 —— 世界动作模型（World Action Models，简称 WAM）。虽然 WAM 正在迅速成为各大顶尖实验室的核心发力点，但业界至今仍然缺乏对它的统一标准和系统梳理。近期，复旦大学可信具身智能研究院，上海创智学院，新加坡国立大学发表了首篇 WAM 的详细综述。
来自西湖大学、浙江大学、西湖机器人等机构的研究团队提出了一种以运动（Motion）为中心的全新双向时空推理框架 HiF-VLA。抛弃冗余的像素级输入，HiF-VLA 巧妙提取低维紧凑的 Motion 向量作为动态先验，在一个创新的「联合专家」模块中，同步完成未来视觉运动的预测与高精度动作序列的生成。
说实话，我原本以为 DeepSeek 的限时优惠会在5月31日结束。毕竟降价75%，打了2.5折，怎么看都像是一波限时引流。5月22号晚上，DeepSeek发了个通知，我看了两遍才确认没看错——DeepSeek V4-Pro永久降价！
就在今天，美团龙猫大模型团队突然开源了商用级数字人视频生成模型 LongCat-Video-Avatar 1.5。在权威评测中，它的用户偏好胜率全面超越 Kling Avatar 2.0、OmniHuman-1.5 和 HeyGen 这三个头部玩家，并且直接以 MIT 协议开放，连商用限制都懒得设。
刚刚，Cohere放出2180亿参数的MoE大模型Command A+，单张B200可跑，支持48种语言，还带原生引用能力。但这次发布最炸的，不在参数表上，而在那一个许可证：Apache 2.0。
李诞带火了一个AI娱乐应用贝果，带着好奇，我第一时间通过内部朋友要到了内测资格。最上头的是贝果的“现实 Online”这个产品。它的玩法听上去极其简单：拿起手机，随手一扫，但就在这短短几秒钟里，整个办公室瞬间就被改造成了一个可以实时探索的游戏空间。
英伟达提出了全球首个三模式的大语言模型系列，只需简单更改注意力模式 / 掩码，即可在自回归、扩散和自推测解码之间切换。一个模型，三种解码模式，没有额外的草稿模型，没有架构变更。最快的模式 token 吞吐量能提升 4 倍。
微软工程师们，天塌了！昨天， 微软工程师们还在用Anthropic的Claude Code狂飙代码、改代码库、跑代理，今天就被一纸通知：6月底前必须全部下线，强制转向自家GitHub Copilot CLI！这不是小打小闹，是微软多个部门集体断供Claude Code。
据The Information今日报道，两位知情人士透露，OpenAI今年第一季度的营收约为57亿美元（约合人民币387.7亿元），比其主要竞争对手Anthropic同期收入高出近10亿美元（约合人民币68亿元）。
，今天，据彭博社报道，DeepSeek正在进行一轮高达约700亿元人民币（约合100亿美元）的融资。知情人士透露，在一场投资者会议中，DeepSeek创始人兼CEO梁文锋承诺，他将继续带领团队开发开源AI模型，并致力于实现通用人工智能（AGI）这一更为宏大的目标，DeepSeek当前的首要任务就是持续拓展技术边界。