探索扩散模型中的量化后端：在性能与内存之间寻找平衡
大型扩散模型如 Flux-dev 能够生成高质量图像，但它们通常需要大量显存和计算资源。对于大多数用户来说，这可能是一个难以跨越的门槛。 有没有一种方式，在不明显牺牲效果的前提下，降低模型对硬件的要求...
排序
微软记事本也能用 AI 写文章了？Windows 11 新增 AI 写作功能
你以为记事本只是个简单的文本编辑器？微软正在让它变得更聪明。 在最新发布的 Windows 11 Canary 和 Dev 预览版中，微软开始测试一项全新的 AI 功能：Write with AI，它...
Anthropic 推出新一代 Claude 模型：Claude Opus 4 和 Claude Sonnet 4
今天，Anthropic 宣布推出下一代 Claude 模型：Claude Opus 4 和 Claude Sonnet 4。这两个模型在编码、高级推理和 AI 代理方面设定了新的行业标准，为开发者和...
UniVG-R1：通过推理引导的多模态大语言模型实现通用视觉定位
传统视觉定位方法主要关注单图像场景，依赖于简单文本引用。然而，在现实世界中，处理隐含和复杂的指令，尤其是在涉及多图像的情况下，是一个重大挑战，主要原因是缺乏跨多模态上下文的高级推理能力。 项目主页：h...
英伟达与微软携手，加速 RTX AI PC 的发展
在当今快速发展的技术领域，生成式 AI 正在重塑我们的工作和娱乐方式。英伟达和微软的合作，通过推出 RTX AI PC，正在将这一变革推向新的高度。本文将详细介绍英伟达和微软如何通过一系列创新技术和工...
OpenAI 重磅升级 Responses API：支持远程 MCP、图像生成、代码解释器等
OpenAI 在昨日（5 月 21 日）宣布对 Responses API 进行重大扩展，新增了多项关键能力：包括远程连接 MCP 服务器、图像生成、代码解释器集成、文件搜索优化等，旨在帮助开发者更高...
Vid2World：将预训练的视频扩散模型转化为交互式世界模型
清华大学软件学院、清华大学交叉信息研究所和重庆大学计算机学院的研究人员推出 Vid2World，将预训练的视频扩散模型（Video Diffusion Models）转化为交互式世界模型（Intera...
针对大语言模型（LLMs）的量化感知训练（QAT）的统一缩放定律
香港大学和字节跳动的研究人员介绍了一种针对大语言模型（LLMs）的量化感知训练（QAT）的统一缩放定律。量化是一种减少模型权重和激活精度的方法，以降低内存使用和计算成本。尽管现有的量化方法在中等精度...
3DTown框架：从单张俯视图像生成逼真且连贯的三维（3D）场景
加州大学圣克鲁兹分校、哥伦比亚大学和Cybever AI的研究人员推出 3DTown框架，从单张俯视图像生成逼真且连贯的三维（3D）场景。传统的详细3D场景获取方法通常需要昂贵的设备、多视角数据或人工...
萨姆·奥尔特曼与乔纳森·艾维联手打造设计公司 io被OpenAI收购了
OpenAI 宣布了一项重磅交易：以 65亿美元估值收购由乔纳森·艾维（Jony Ive）创立的设计公司 io，并将其团队纳入 OpenAI 生态体系。这不仅标志着 OpenAI 首次大规模并购...
谷歌搜索上线AI搜索新模式：能看、能听、还能替你办事
谷歌在今天的 Google I/O 2025 上宣布了一系列重磅更新，标志着 Google Search 正式迈入一个新时代 —— AI 不只是回答问题，而是帮助你思考、推理和行动。 从 AI 概述...
Gemini 2.5 Flash 和 Pro 全面上线Vertex AI：更聪明、更安全、更懂企业的AI来了
在今天举行的 Google I/O 2025 上，谷歌宣布将最新一代大模型 Gemini 2.5 Flash 和 Gemini 2.5 Pro 正式扩展至 Vertex AI 平台，为企业构建高复杂度...
