百科

在 OpenAI 发布其多步骤研究工具 Deep Research 后不到一天，Hugging Face 迅速推出了名为 Open Deep Research 的开源项目。这一举动不仅展示了 Hugg...

根据应用市场分析机构 Appfigures 的最新数据，自2023年5月上线以来，ChatGPT 的 iOS 与 Android 移动应用全球消费者支出已达到 20亿美元。 这一数字不仅标志着其在移动...

近年来，大型推理语言模型（LRLM）如 DeepSeek-R1 和 GPT-O1 的发展显著提升了复杂问题的解决能力。这些模型通过延长推理过程中“思维链”（Chain of Thought, CoT...

AI 初创公司 Runway 于周一正式发布其新一代生成式 AI 模型 Gen-4，声称这是有史以来最高保真度的视频生成模型之一。Gen-4 已经向 Runway 的个人付费和企业客户推出，其强大的功...

特拉维夫大学的研究人员推出新型框架EdgeCape，它用于类别无关的姿态估计（Category-Agnostic Pose Estimation, CAPE）。EdgeCape能够通过单一模型在多样化...

AI驱动的视频生成领域正在迅速发展，图像到视频（I2V）模型因其视觉一致性和增强的可控性而处于前沿。然而，一个显著的差距一直存在：缺乏专门的数据集来理解图像到视频提示的独特需求。为了填补这一空白，悉尼...

AI 搜索公司 Perplexity 宣布，其自研浏览器 Comet 即日起对所有用户免费开放，不再需要订阅门槛和邀请码。 此前，这款浏览器仅限于每月 200 美元的 Perplexity Max 用...

香港中文大学和字节跳动的研究人员提出了一种名为 Long Context Tuning（LCT，长上下文调优）的训练范式，通过将预训练的单镜头视频扩散模型扩展到场景级视频生成，以生成具有视觉和动态一致...

“AI 搜索正在杀死出版商”——这是过去一年中频繁出现的论断。多项第三方研究指出，随着谷歌在搜索结果页引入“AI 概述（AI Overviews）”和对话式功能，用户点击外部网站的次数显著减少。 对此...

近日，谷歌的一项活动出现了意外漏洞，原本仅限美国学生的 Gemini Advanced 会员计划 现在对任何人开放。通过切换到美国IP地址，用户可以免费领取一年的 Gemini Advanced 高级...

微软研究院、上海交通大学和北京大学的研究人员推出视频分词器VidTok，它是一个多功能且开源的工具，用于将视频内容编码成紧凑的潜在标记（latent tokens）。VidTok在连续和离散标记化方面...

特伦托大学、奥卢大学和新加坡国立大学的研究人员推出一种基于扩散模型的面部匿名化技术，旨在简化面部匿名化流程，同时保留原始图像中的面部表情、头部姿势、眼神方向和背景元素等关键细节。这种方法有效地掩盖了身...