斯坦福大学人工智能实验室团队在2015年发表的突破性研究，首次实现了让计算机像人类一样"看图说话"的能力。他们通过创新的注意力机制，让视觉识别系统和语言生成系统能够智能协作，不仅准确识别图像内容，还能生成自…详细

深度学习计算机视觉多模态学习

一个基因传承和创新的企业故事。…详细

阿里云智能驾驶

MinIO正在其对象存储与生成式AI之间构建连接层，涉及采用Iceberg表格的结构化形式。联合创始人兼联席CEO AB Periasamy表示，生成式AI推动了企业数据基础设施需求，直接促进公司增长。MinIO员工数量已达160多人，并积…详细

人工智能对象存储数据集成

本文详细解析2025年笔记本处理器市场格局，涵盖Intel、AMD、高通和苹果四大厂商的最新CPU产品线。苹果M系列芯片凭借出色的性能和续航表现位居榜首，Windows平台推荐高通骽龙X系列处理器。文章深入对比x86与Arm架构差…详细

人工智能处理器技术购买指南

私有公司ExaGrid宣布第二季度业绩强劲，这是其销售分层重复数据删除备份目标设备的连续第18个增长季度。该公司磁盘设备具有非重删备份接收着陆区和集群级重删存储区，支持勒索软件恢复功能。公司创下收入纪录，新增1…详细

数据存储重复数据删除业务增长

Instructure与OpenAI合作，在广泛使用的学习平台Canvas中推出IgniteAI工具集。该系统为教师提供AI辅助的作业创建、自动化评分和内容生成功能，学生可在平台内与AI进行个性化学习对话。教师保持完全控制权，可自定义A…详细

人工智能自然语言处理教育技术创新

谷歌周四推出名为"网络指南"的AI驱动搜索功能，这是一项搜索实验室实验，利用AI技术重新组织搜索结果页面，将与搜索查询特定方面相关的页面分组显示。该功能由Gemini提供支持，特别适用于开放式搜索查询，如"如何在日…详细

人工智能搜索技术功能组织

7月24日，国内领先的AI招聘平台自猎网在北京举办 AI Agent招聘求职产品发布会。发布会以 “破壁——看见更大的可能”为主题，聚焦人工智能技术在招聘领域的深度应用…详细

AI Agent

ByteDance团队开发的GR-3是一个革命性的视觉-语言-动作模型，让机器人能够像人类一样理解指令并灵活操作。它通过多模态数据联合训练获得了强大的泛化能力，能处理未见过的物品和环境，还能从少量人类演示中快速学习。…详细

机器人技术视觉语言行动模型多模态联合训练

上海人工智能实验室联合多家机构提出SeC视频分割技术，通过大型视觉语言模型构建物体概念表示，突破传统像素匹配局限。该技术在复杂场景变化中表现卓越，比SAM 2.1平均提升11.8分，并构建了专门的SeCVOS测试集验证效…详细

视频物体分割概念理解大型视觉语言模型

快手科技和清华大学联合提出了Archer训练方法，通过识别语言中的知识型和推理型词语，对不同类型内容采用差异化约束策略。该方法让1.5B参数的小模型在数学推理和编程任务上达到了与大模型相当的性能，在AIME数学竞赛…详细

人工智能强化学习双重约束训练

南洋理工大学研究团队开发了名为"视频思维测试"的新基准，通过1000个精心设计的YouTube短视频揭示了AI视频理解的真实水平。测试发现，即使是最强AI模型GPT-4o的正确率也只有36.6%，远低于人类的84.3%。研究指出AI主要…详细

人工智能视频理解基准测试

清华大学团队开发的StreamVGGT实现了首个实时4D视觉几何重建系统，通过模仿人类视觉的时间因果感知机制，将处理速度提升30倍而精度几乎不变。该技术采用流式处理架构和知识蒸馏训练，为自动驾驶、AR/VR、机器人导航等…详细

人工智能计算机视觉实时处理

卓驭科技CEO沈劭劼分享智驾技术从百万行规则代码转向端到端的范式变革，接管率降低10倍，体现"为道日损"哲学。公司坚持软硬一体化设计，与阿里云深度合作，探索VLA和世界模型技术。…详细