ByteDance智能创作实验室与清华大学联合发布HuMo系统，这是首个实现文字、图片、音频三模态协同控制的人物视频生成框架。该系统通过创新的渐进式训练方法和时间自适应引导策略，让用户仅需提供文字描述、参考照片和音…详细

人工智能视频生成多模态学习

字节跳动种子团队提出熵调制策略梯度EMPG方法，解决AI智能体在长期任务中的稀疏奖励学习难题。通过自校准梯度缩放和未来清晰度奖励双重机制，根据步骤不确定性动态调整学习信号强度。在WebShop、ALFWorld和Deep Sear…详细

强化学习策略梯度智能体训练

快手科技Kling团队发布的Kling-Avatar技术通过多模态大语言模型导演实现真正的指令理解，采用级联生成框架支持长时长数字人视频制作。该系统在唇形同步、情感表达、身份一致性等关键指标上全面超越现有技术，支持108…详细

人工智能数字人生成多模态指令理解

香港大学团队发布史上最大规模AI绘画推理数据集FLUX-Reason-6M，包含600万张高质量图像和2000万条双语描述，耗费15000个GPU天计算资源。首创"生成链式思维"训练法，让AI学会像人类艺术家般思考创作过程。同时推出PRI…详细

人工智能深度学习新型算法

南京大学研究团队构建了SpatialVID，一个包含2.7万小时高质量视频的大规模空间标注数据集。该数据集为每个视频片段提供精确的摄像机姿态、深度信息、动态掩码和结构化语义描述，涵盖城市、自然、室内等多样场景。通过…详细

计算机视觉空间重建大规模数据集

这项研究通过创新的梯度注意力机制和500万张图片的WebPerson数据集，显著提升了文本描述人物检索的准确性。GA-DMS框架能智能识别描述中的关键词汇，过滤噪声干扰，在标准测试中达到77.6%的准确率，为安防监控、人员搜…详细

人工智能计算机视觉文本检索

上海交通大学团队通过引入"视觉可编程性"概念，成功让AI学会根据图表特征自主选择代码分析或直接观察的推理方式。该自适应框架在四个基准数据集上平均准确率达62.8%，显著超越固定策略方法。研究采用双重奖励机制训练…详细

人工智能图表理解自适应推理

哈工大团队开创性地将3D高斯涂抹技术应用于图片修复，通过连续光斑融合替代传统像素拼接，结合DINO语义理解和分块处理策略，实现了更自然流畅的图片修复效果。该技术能处理20%-60%面积的缺失，在人脸和自然场景修复中…详细

人工智能图像修复高斯涂抹技术

华为诺亚方舟实验室开发出名为OmniEVA的智能机器人系统，它具备两项核心创新：任务自适应3D建模机制能根据具体任务智能切换2D/3D视觉模式，身体感知推理框架让机器人制定计划时考虑自身物理限制。该系统在8个公开测试…详细

机器人智能空间推理身体感知

INFLY TECH、复旦大学和格里菲斯大学联合研究发现，大语言模型强化学习训练中存在"多样性崩塌"现象：模型单次准确率提升但多次尝试成功率下降。研究团队提出DPH-RL框架，通过改用正向KL散度等"质量覆盖"散度方法，成…详细

强化学习散度优化模型多样性

OCR要落伍了？多模态大模型凭借端到端的图像识别与语义理解能力，正在颠覆传统 OCR 的应用逻辑，预示着图像识别与理解正迈向新一代的技术范式。…详细

金融大模型通义点金

OpenAI和微软宣布签署一项非约束性谅解备忘录，修订双方合作关系。随着两家公司在AI市场竞争客户并寻求新的基础设施合作伙伴，其关系日趋复杂。该协议涉及OpenAI从非营利组织向营利实体的重组计划，需要微软这一最大…详细

人工智能云计算战略重组

中国科技企业发布了名为R1的人形机器人，直接对标特斯拉的Optimus机器人产品。这款新型机器人代表了中国在人工智能和机器人技术领域的最新突破，展现出与国际巨头竞争的实力。R1机器人的推出标志着全球人形机器人市场…详细

人工智能机器人技术技术竞争

在数字化浪潮席卷一切的时代，爱普生与京东却选择了一条看似“逆行”的道路——让学习回归纸张。…详细

爱普生京东AI

制药公司需要持续监控品牌健康状况以制定战略决策，但传统方法缺乏灵活性。本次网络研讨会探讨技术如何从定量和定性角度变革追踪研究。专家小组将揭示新技术如何重新定义传统追踪方法，实现实时数据收集和分析。内容…详细

人工智能市场研究实时分析