让AI看图功能瘦身90%:希腊塞萨洛尼基大学发现图像修复"中奖彩票"神经网络
希腊塞萨洛尼基大学研究团队开发出MIR-L算法,通过"彩票假说"发现大型图像修复网络中的关键子网络。该算法采用迭代剪枝策略,将网络参数减少90%的同时保持甚至提升修复性能。MIR-L能同时处理去雨、去雾、降噪等多种图片问...
希腊塞萨洛尼基大学研究团队开发出MIR-L算法,通过"彩票假说"发现大型图像修复网络中的关键子网络。该算法采用迭代剪枝策略,将网络参数减少90%的同时保持甚至提升修复性能。MIR-L能同时处理去雨、去雾、降噪等多种图片问...
"从爬脚手架入侵门禁到160万美元恶作剧,Google联合创始人Sergey Brin在斯坦福罕见揭秘:'我们确实搞砸了AI战略,但算法才是主菜,算力只是甜点。'这位穿着滑轮鞋的叛逆天才坦言,正是斯坦福的'放养式自由'让...
卡内基梅隆大学团队提出DistCA技术,通过分离AI模型中的注意力计算解决长文本训练负载不平衡问题。该技术将计算密集的注意力任务独立调度到专门服务器,配合乒乓执行机制隐藏通信开销,在512个GPU的大规模实验中实现35%...
清华大学研究团队提出3DThinker框架,首次让AI具备类似人类的三维空间想象能力。该系统在推理过程中插入特殊的三维想象符号,不依赖外部工具或大量标注数据,就能从有限的二维图像中构建三维心理模型。在多个空间推理基准测试...
字节跳动研究团队开发出"任意深度对齐"(ADA)技术,解决了大语言模型的一个关键安全漏洞。研究发现AI模型虽然能拒绝直接的危险请求,但在被"预填充"危险内容后往往会继续生成有害信息。ADA技术通过读取模型内部的安全信号,...
哥德堡大学研究团队提出了ExpA框架,首次让大语言模型突破纯文本交互限制,能够直接操控外部工具。通过EARL强化学习算法,AI系统在数学计算任务中成功率提升26.3%,并在排序任务中自主发现了高效算法。这项技术分离了语言...
UCLA团队提出"计划扩散"新方法,让AI像项目经理一样先制定计划再并行生成文本。该技术在保持质量的同时实现1.27-1.81倍速度提升,突破了传统AI逐字生成的速度瓶颈。研究使用单一模型完成规划和执行两个阶段,为AI文...
中科院团队提出革命性的自调用思维链(sCoT)方法,重新定义AI视觉推理范式。该方法将复杂视觉任务分解为简单子任务,让主智能体调用虚拟分身处理,将多模态推理转化为纯语言推理。在权威测试中,新方法比传统方法性能提升1.9%...
香港科技大学团队开发的ReViSE系统首次实现了真正理解编辑指令深层含义的AI视频编辑技术。通过创新的自我反思学习框架,让AI不仅能执行表面操作,还能基于物理规律和常识进行推理。该系统在推理驱动视频编辑任务上比现有方法提...
苏黎世理工学院团队开发出StereoSpace技术,能够仅凭单张照片直接生成高质量的立体视觉图像,无需传统方法所需的深度估计步骤。该系统采用标准化立体空间和双U网络架构,在处理复杂多层场景(如透明物体)时表现卓越,在多个...
俄罗斯T-Tech公司发布T-pro 2.0,首个专为俄语优化的开源混合推理AI模型。该模型采用西里尔字母密集词汇表,俄语处理效率提升24%,支持标准和推理双模式。在俄语推理测试中超越DeepSeek-V3等先进模型,配...
新加坡国立大学研究团队开发出X-Humanoid技术,能将人类活动视频自动转换为机器人执行相同动作的视频。该技术基于改造的Wan 2.2模型,通过虚幻引擎生成的配对训练数据进行学习,成功将60小时真实人类视频转换成360...
伊利诺伊大学香槟分校研究团队开发了BEAVER框架,首次实现对大语言模型输出可靠性的精确数学验证。该技术通过系统性探索模型生成空间,计算满足约束条件的概率上下限,在数学正确性、隐私保护和代码安全三大验证任务中,比传统方法...
香港城市大学与Adobe Research合作开发了DuetSVG系统,这是首个能够同时生成图像和矢量代码的统一多模态AI模型。该系统突破了传统方法将矢量图形视为纯文本的局限,通过视觉指导提高了生成质量。DuetSVG支...
本研究介绍了一个在BEHAVIOR挑战赛中获得第一名的机器人家务系统。该系统基于Pi0.5架构,创新性地引入了相关噪声流匹配、System 2阶段跟踪等技术,让机器人能够在50种家务任务中达到26%的成功率,展现了多任务...
AI硬件的竞争才刚刚开始,华硕Ascent GX10这样将专业级算力带入桌面级设备的尝试,或许正在改写个人AI开发的游戏规则。
北京大学团队开发的DragMesh系统通过简单拖拽操作实现3D物体的物理真实交互。该系统采用分工合作架构,结合语义理解、几何预测和动画生成三个模块,在保证运动精度的同时将计算开销降至现有方法的五分之一。系统支持实时交互,...
达尔豪斯大学研究团队系统性批判了当前AI多智能体模拟的静态框架局限,提出以"动态场景演化、智能体-环境共同演化、生成式智能体架构"为核心的开放式模拟范式。该研究突破传统任务导向模式,强调AI智能体应具备自主探索、社会学习...
HSE大学研究团队开发出革命性的AI图像生成加速技术——广义对抗求解器(GAS),能将传统需要几十个计算步骤的图像生成过程压缩至4-6步,速度提升十倍而质量几乎不变。该技术通过重新设计求解器架构和引入对抗性训练,在多个数...