机器人如何学会像人类一样观察世界:香港科技大学团队突破传统机器学习边界
香港科技大学团队开发出PhysBrain模型,通过创新的视频翻译技术将300万条人类第一人称视频转化为机器人可理解的训练数据。该模型在第一人称理解和机器人控制任务中均取得突破性进展,平均成功率达53.9%,为解决机器人训...
香港科技大学团队开发出PhysBrain模型,通过创新的视频翻译技术将300万条人类第一人称视频转化为机器人可理解的训练数据。该模型在第一人称理解和机器人控制任务中均取得突破性进展,平均成功率达53.9%,为解决机器人训...
香港大学联合Adobe研究院提出PS-VAE技术,成功解决了AI无法同时具备图像理解和生成能力的难题。通过创新的两阶段训练策略,让AI既能准确理解图片语义,又能生成高质量图像,在图像编辑任务上性能提升近4倍,为统一视觉A...
华中科技大学与马里兰大学研究团队开发出Sage评估框架,首次无需人工标注即可评估AI评判员可靠性。研究发现即使最先进的AI模型在评判任务中也存在严重不一致问题,近四分之一困难情况下无法保持稳定偏好。团队提出明确评判标准和...
图灵公司研究团队开发的SWE-Bench++是一个革命性的AI编程能力测评框架,能够从GitHub开源项目中自动生成大规模、多语言的编程测试题目。该系统通过四阶段流水线处理,从3,971个项目中生成了11,133个测试实...
香港科技大学团队开发出Robust-R1框架,让AI在处理模糊、噪声等退化图像时不再"瞎猜"。该系统像侦探破案一样,先识别图像问题类型和严重程度,分析其对理解的影响,然后制定针对性的推理策略。通过三阶段训练和11K真实退...
清华大学团队开发的StageVAR技术通过分析AI图像生成的三个阶段特性,创新性地采用阶段感知加速策略,在第三阶段利用语义无关性和低秩特征压缩技术,实现了3.4倍速度提升而质量几乎无损。这项即插即用的技术为AI图像生成效...
本古里安大学研究团队推出HERBench视频理解评估基准,发现当前最先进AI模型在需要整合多个时间段信息的视频理解任务上表现远低于预期。该研究创新性地提出"最小必需帧集"概念,设计了需要至少三帧信息才能解答的26806道...
英国研究团队开发了ModernALBERT模型,通过创新的"混合低秩专家"(MoL)技术,成功解决了AI模型参数共享导致的性能损失问题。该技术让小型模型在多项权威测试中超越了更大的传统模型,同时配套的专家融合策略实现了高...
在信息爆炸的时代,AI实验室的研究员们常常需要面对海量的论文、专利文件、论坛发言等各种渠道的信息。传统的查找方式不仅费时费力,还容易遗漏关键内容。那么,有没有一种方式能让AI真正代替人工,完成从找资料到写出稿的全流程工作...
2025年12月18日,OpenAI CEO山姆·奥特曼(Sam Altman)做客Big Technology Podcast,与主持人Alex Kantrowitz进行了一场长达近一小时的深度对话。