群核科技发布新一代空间大模型：SpatialLM 1.5 与 SpatialGen 正式亮相
在首届技术开放日（TechDay）上，群核科技正式推出空间大模型体系的两大核心更新——新一代空间语言模型SpatialLM 1.5与空间生成模型SpatialGen，并明确了后续开源节奏。作为业界首个...
排序
阿里通义发布新一代语音识别大模型 Fun-ASR：更准、更懂场景
阿里通义实验室近日推出新一代端到端语音识别大模型 Fun-ASR。该模型基于大语言模型（LLM）能力构建，在家装、保险、畜牧等多个垂直行业的语音识别准确率提升15%以上，部分场景最高提升达18%，显著...
谷歌翻译（Google Translate）推新功能：AI驱动语言练习与实时对话翻译，直面多邻国竞争
长期以来，谷歌翻译（Google Translate）以“即时翻译工具”的定位服务用户，而近日其推出的两项新功能，正让它突破工具属性——不仅通过AI定制化语言练习功能直面多邻国的竞争，还升级了实时对话...
用 ChatGPT 轻松制作 Flash Card（抽认卡/闪卡）：高效复习的新方式
不少学生都在寻找更高效的学习方法。尽管反复阅读和做题仍是主流，但一种更主动的学习方式正在被越来越多的人采用：使用 Flash Card（抽认卡/闪卡）进行自我测验。 Flash Card 的核心原理是...
英国曾探讨为全民免费提供ChatGPT Plus，但因成本过高未推进
据《卫报》报道，OpenAI 首席执行官萨姆·奥尔特曼（Sam Altman）与英国科技大臣彼得·凯尔（Peter Kyle）今年曾讨论一项潜在计划：为所有英国公民免费提供 ChatGPT Plus ...
NotebookLM 视频概览支持 80 种语言，音频摘要全面升级
谷歌于近日宣布，对 AI 笔记工具 NotebookLM 的视频概览（Video Overviews）功能进行重大更新：现已支持80 种语言，包括中文、法语、德语、西班牙语、日语等主要非英语语种。 与...
新手入门：8 步搭建你的第一个 AI 智能体，从选题到落地全流程
Reddit 网友 Icy_SwitchTech 结合自身实操经验，分享了一套 “零抽象、无炒作” 的 AI 智能体搭建路径。这套流程已多次用于构建可运行的智能体，特别适合首次尝试的新手 —— 无需追...
TKG-DM：无需微调，让扩散模型精准生成色键背景图像
当前扩散模型已能生成高真实感、高文本忠实度的图像，但主流大规模文本到图像模型（如 Stable Diffusion）面临一大局限——难以生成“前景对象置于色键背景”的图像，若要分离前景与背景元素，往往...
TransMLA 框架 + TPLA 机制：解决 GQA 模型迁移痛点，大幅提升 LLM 推理效率
由北京大学人工智能研究院、北京通用人工智能研究院与腾讯优图实验室联合提出的新方法 TransMLA，为大模型推理效率的提升提供了一条实用路径。该方法能够将已广泛部署的 GQA（Grouped Quer...
谷歌nano-banana模型落地在即：Flow将添文本转图像功能，同步优化创作者工作流
随着谷歌nano-banana模型的发布预期逐渐升温，其生态落地布局也在稳步推进——这款模型不仅计划集成到Gemini、Whisk等现有工具中，最新迹象显示，它还将登陆创意平台Flow，为其带来全新的...
谷歌Gemini测试三大新模式：Agent支持自主任务，Go与Immersive View补全创意与视觉体验
谷歌正持续扩展Gemini的功能边界——继此前曝光与“nano-banana模型”相关的“gem pix”图像编辑选项后，近期Gemini的模式选择器中又出现三项实验性新功能：Agent模式、Gemi...
Meta获得Midjourney技术支持，社交AI图像要变好看了
Meta 新任首席 AI 官亚历山大·王（Alexandr Wang）在社交平台发布消息称，Meta 已与知名AI图像生成公司 Midjourney 达成合作，将“授权其美学技术”，用于 Meta 自...
