新技术

北卡罗来纳大学教堂山分校的研究团队，针对多模态大语言模型（MLLMs）的空间视觉推理能力展开专项测试——聚焦“图像旋转角度识别”任务（判断图像是否旋转0°、90°、180°、270°）。 GitHub...

清华大学、智谱AI和中国科学院大学的研究人员推出一个名为 COMPUTERRL 的框架，通过强化学习（Reinforcement Learning, RL）提升计算机桌面智能代理（agents）的操作...

视频帧插值（VFI）是计算机视觉领域的关键任务——它能根据两个连续帧（过去帧(I_0)、未来帧(I_1)）生成中间帧(I_n)，让视频播放更流畅、压缩更高效。但现有方法始终面临“两难”：基于图像的扩散...

随着图像生成模型（如Stable Diffusion、Flux等）在质量和可控性上的飞速进步，其潜在风险也日益凸显： 生成裸露或暴力内容 模仿特定艺术家风格引发版权争议 复现受保护的商标或人物形象 现...

在大模型强化学习（RL）训练中，rollout 生成是耗时最长的环节之一。以 DAPO-32B 为例，rollout 阶段占据了约 70% 的总训练时间。这一瓶颈使得整个训练流程效率低下，尤其在大规模...

上海人工智能实验室、中山大学、香港中文大学和北京大学的研究人员推出 Echo-4o 系统，通过利用 GPT-4o 生成的合成图像数据来提升多模态生成模型（如文本到图像生成、多参考图像生成等任务）的性能...

当我们看到大模型在各种任务上不断刷新性能纪录时，一个隐含的信念常常浮现：性能提升 = 内部表示更优。这种观点被称为“表示乐观主义”（Representational Optimism）——即认为随着模...

人脸交换（Face Swapping）技术旨在将一个人的身份特征迁移到另一个人的面部图像或视频中，同时保留目标人物的表情、姿态、发型和背景等属性。近年来，随着生成模型的发展，人脸交换已能生成高度逼真的...

随着“智能体（Agentic AI）”成为 AI 发展的重要方向，各类框架层出不穷。然而，当前研究普遍存在评估标准不一、实现细节不透明、结果难以复现等问题，导致不同系统之间缺乏公平比较的基础。 为应对...

在信息过载的时代，获取“更多”并不等于“更有效”。真正制约效率的，往往不是找不到某个具体答案，而是面对海量目标时的系统性整理能力——比如，为一个行业筛选出上百家公司数据，或从成千上万条招聘信息中精准匹...

上海交通大学、香港科技大学（广州）、利物浦大学、加州大学伯克利分校、上海创新学院、加州大学戴维斯分校、弗吉尼亚理工大学和伦敦大学学院的研究人员发布Agentic Web（智能体网络），它探讨了如何通过...

NXN Labs推出新型虚拟试穿框架Voost，通过一个统一的扩散变换器（Diffusion Transformer）同时实现虚拟试穿（试穿目标服装）和虚拟试脱（从人像中重建原始服装）功能。 项目主页...