2025-09-16
腾讯混元3D 2.0：让想象变为3D现实的神奇"数字魔术师"
腾讯混元3D 2.0是一个革命性的3D生成系统，能够从单张图片生成高质量的带纹理3D模型。该系统包含形状生成模块Hunyuan3D-DiT和纹理合成模块Hunyuan3D-Paint，采用创新的重要性采样和多视角一致性技...
2025-09-16
VITA-1.5：让计算机像人一样同时"看"和"说话"的革命性突破
VITA-1.5是首个实现GPT-4o级别实时视觉语音交互的开源多模态大语言模型。通过创新的三阶段训练策略，系统能够同时处理图像、视频和语音信息，实现端到端的语音对话，无需外部ASR或TTS模块。在多项基准测试中表现优异...
2025-09-16
VideoRefer套件：阿里达摩院让视频AI真正"看懂"复杂场景中的每个物体
阿里达摩院联合浙江大学推出VideoRefer套件，这是首个能够精确理解视频中特定物体的AI系统。该系统不仅能识别整体场景，更能针对用户指定的任何物体进行详细分析和跨时间追踪。研究团队构建了包含70万样本的高质量数据集V...
2025-09-16
UC默塞德等高校联合推出Sa2VA：让AI同时看懂图像和视频的智能助手
Sa2VA是由UC默塞德等高校联合开发的突破性AI系统，首次实现图像视频的统一理解与精确分割。通过巧妙融合SAM-2视频分割技术和LLaVA多模态对话能力，Sa2VA能够同时进行自然对话和像素级物体标注。研究团队还构建了...
2025-09-16
Lightricks团队打造视频生成新利器：2秒生成5秒视频的LTX-Video模型
LTX-Video是由以色列Lightricks公司开发的革命性开源视频生成模型，能够在2秒内生成5秒高质量视频，实现了比实时播放更快的生成速度。该模型创新性地整合了视频压缩和生成过程，采用1:192的超高压缩比和共享去...
2025-09-16
上海AI实验室重磅推出多模态奖励模型IXC-2.5-Reward：让AI更懂你的偏好
上海AI实验室推出的IXC-2.5-Reward是首个开源多模态奖励模型，能同时理解文本、图像和视频内容并评判AI回答质量。该模型在VL-RewardBench测试中达到70%准确率，超越所有开源模型，可用于AI训练优化...
2025-09-16
苏州大学团队揭示AI推理的秘密：从快速反应到深度思考的完整进化图谱
苏州大学等机构联合发表的这项研究首次系统性梳理了AI测试时计算技术的发展全貌。研究揭示了AI正在经历从快速直觉反应向深度推理思考的重大转变，通过重复采样、自我纠错、树搜索等策略显著提升推理能力。这种"给AI更多思考时间"...
2025-09-16
人工智能专家团队首次让AI"专家"自己选择任务：中美研究团队颠覆混合专家模型传统设计
中美研究团队提出专家自主选择的AI新架构，让AI专家根据内在激活强度自主选择处理任务，避免传统路由器分配的不匹配问题。在40亿参数模型验证中，新方法在多项任务上超越传统混合专家模型，实现更均衡的负载分配和更高的处理效率，...
2025-09-16
上海AI实验室团队让GPT-4o数学推理能力飞跃4.6%：一种让AI在解题时"边做边学"的革命性方法
上海AI实验室团队提出BoostStep方法，通过步骤级情境学习显著提升大语言模型数学推理能力。该方法在AI解题过程中实时提供精准指导，而非传统的完整例题参考，在GPT-4o上实现4.6%性能提升，超越传统方法的1.2%...
2025-09-16
清华大学发现：当前顶级AI视频模型连"跳跃"都看不懂！MotionBench揭示视频理解盲区
清华大学研究团队通过MotionBench发现，当前最先进的AI视频理解模型在精细动作理解方面存在严重不足，准确率不足60%。他们提出的通过编码器融合技术TE Fusion有效改进了这一问题。这项研究揭示了视频AI理解的...
2025-09-16
上海人工智能实验室重磅发布：视频AI距离理解真实世界的在线视频还有多远？
上海人工智能实验室联合多家机构推出OVO-Bench评测体系，首次系统评估视频AI的在线理解能力。研究发现当前最先进的模型如GPT-4o在实时视频理解任务中表现远不如人类，缺乏时间感知、实时记忆和主动响应能力。该研究为智...
2025-09-16
华中科技大学团队破解AI绘画难题：让图像生成模型既快又好的秘密武器
华中科技大学团队破解了AI绘画系统中长期存在的优化困境：高质量图像重建与高效图像生成之间的矛盾。他们提出的VA-VAE技术通过视觉基础模型对齐，让图像压缩器在保持高精度的同时为生成器提供更易学习的环境。结合Lightni...
2025-09-16
香港中文大学团队首次让AI绘画也能像人类一样"边画边思考"
香港中文大学团队首次将"链式思维推理"技术应用于AI绘画领域，教会AI像人类画家一样"边画边思考"。通过开发专门的PARM评估模型和多种训练策略，让AI绘画在复杂场景描述上提升24%，超越知名的Stable Diffus...
2025-09-16
从看电视到AI眼中的世界：Meta和UC Berkeley如何让机器像人类一样"看"视频
Meta和UC Berkeley联合研究团队开发了名为Toto的AI模型，通过"看前猜后"的方式学习理解视频。该模型观看了超过十万小时视频内容，在图像分类、视频理解、物体跟踪和机器人操作等多个任务中表现出色，甚至自然涌现...
2025-09-16
清华大学联合团队发布重磅报告：大语言模型如何学会推理，距离真正的AI思考还有多远？
清华大学联合多所知校发布的这项重磅研究全面分析了大语言模型推理能力发展现状，深入探讨了强化学习如何让AI学会思考。研究涵盖了从数据构建到模型训练、从测试时增强到开源项目的完整技术图景，特别分析了OpenAI o1系列的突...
2025-09-16
微软亚洲研究院重磅突破：让大模型用上4位浮点数训练，算力压缩四分之三
微软亚洲研究院提出首个FP4量化训练框架，通过可微分梯度估计器和离群值处理技术，在保持模型性能的同时实现接近4倍的计算加速。该技术在130亿参数模型上验证有效，为降低大模型训练成本、促进AI技术普及提供了新路径。
2025-09-16
哈佛与浙江大学联手突破：AI绘画新技术让多物体精准放置成为现实
这项由哈佛医学院和浙江大学联合开发的3DIS-FLUX技术，成功解决了AI绘画中多物体精确控制的难题。通过将复杂任务分解为布局规划和精细渲染两个阶段，并采用创新的注意力控制机制，该技术实现了比现有方法高出41%的成功率。...
2025-09-16
Meta团队突破视觉压缩极限：让AI用更少算力生成更好的图像和视频
Meta团队开发的ViTok突破了视觉AI压缩技术的瓶颈，发现压缩质量的关键在于存储的浮点数总量而非模型复杂度。该方法在保持图像和视频重建及生成质量的同时，计算效率提升2-5倍，在多个基准数据集上创造新纪录，为高效视觉A...
2025-09-16
让AI成为科学研究的"超级助手"：德州大学团队全面盘点大语言模型如何重塑整个研究生命周期
这项由德州大学达拉斯分校主导的研究是首个全面梳理大语言模型在科学研究全生命周期应用的综合调研。研究团队系统分析了AI在假设发现、实验实施、论文写作和同行评议四个关键环节的作用，展现了从"AI副驾驶"到"全自动驾驶"的技术...
2025-09-15
香港中文大学推出Dispider：让视频AI像人一样"边看边聊"的革命性突破
香港中文大学联合上海AI实验室推出Dispider系统，首次实现AI视频"边看边聊"能力。通过创新的三分式架构设计，将感知、决策、反应功能独立分离，让AI能像人类一样在观看视频过程中进行实时交流，在StreamingBe...