LightVAE:给视频生成的"瘦身手术"找到一把更精准的刀
LightVAE是一种压缩视频自编码器解码器的新框架,通过温度低秩压缩、权重折叠执行、区块剪枝和探针引导恢复训练四项技术,在保持重建画质的同时将视频VAE解码速度提升最高达4倍以上,并在多个主流视频生成骨干网络上验证了效...
LightVAE是一种压缩视频自编码器解码器的新框架,通过温度低秩压缩、权重折叠执行、区块剪枝和探针引导恢复训练四项技术,在保持重建画质的同时将视频VAE解码速度提升最高达4倍以上,并在多个主流视频生成骨干网络上验证了效...
这篇论文提出Urbex,一种让视觉语言模型通过主动查询地标、局部缩放、斜视渲染等工具在城市级三维点云中搜索定位目标物体的智能体框架,用强化学习训练搜索策略,在CityRefer数据集上取得最优命中率,且推理速度远快于候选...
至顶AI实验室在搭载AMD锐龙AI Max+ PRO 495、配备192GB统一内存的极摩客EVO-X5 Pro上,运行了Q4量化的DeepSeek V4-Flash 284B。
一年时间,DGX Spark从3999美元涨到6950美元,价格逼近5万元。涨价的不只是DGX Spark,几乎所有大内存AI设备都在变贵。AI抢了AI的饭碗,但大内存真的等于高性能吗?结合真实Agent任务测试,聊聊3...
Multics提出层级通信多人视频生成框架,通过玩家、组、全局三层结构和动态分组机制,解决了多人世界模型中一致性差、算力爆炸、信息串台等问题,并可泛化到更多玩家。
这篇论文研究GUI智能体该用文字还是图片呈现历史记忆,发现偏好随交互步骤变化。作者提出SwitchMem路由框架,利用模型隐藏状态信号动态选择模态,在三个基准测试上均超越固定模态的记忆增强方法。
做生信的人大多有过这样的时刻:硬盘里躺着几百篇没读完的PDF,服务器上散落着命名各异的脚本,投稿系统里躺着一篇改了七版的论文,而答辩PPT还停留在上。
VideoJev把视频理解从"生成文字答案"改造成"给候选项打分",统一了时序定位与多选问答两大任务,并通过缓存推理和联合推理复用视频计算,在保持甚至超越深度推理模式效果的同时,实现数十倍至上百倍的推理加速。
2026年,当“人形机器人”“具身智能”成为行业高频词,一家深耕工业机器人四十余年的企业,悄然抵达新的里程碑:全球累计出货突破25万台*1。
Jeva是一种新型AI决策架构,通过独立编码请求与候选项、候选条件状态细化、覆盖率门控及缓存复用机制,同时解决了选择题场景中的顺序敏感、候选规模受限、无答案识别缺失与重复计算四大问题。
本文解读ReTerm,一种训练终端AI代理从自身真实失败中学习恢复能力的方法。通过构建ReTerm-10K数据集和ReTerm-GRPO强化学习算法,9B模型在Terminal-Bench 2.0上实现34.8%通过率,...
AesCode用图像生成模型做审美参考,训练代码模型兼顾内容准确与视觉美感,通过设计图谱拆解属性并构建解耦的多重奖励机制,在信息图代码生成任务上实现接近GPT-5.5、Claude Opus 4.8的视觉质量表现。
在刚刚闭幕的第九届中国国际进口博览会(以下简称进博会)上,作为连续九届参展的进博会“全勤生”,三星围绕“AI+”发展趋势,集中呈现半导体、人工智能等。