当AI视频生成模型学会"编故事"之后,谁来验收它编得对不对?
本文介绍EGO2ACT基准测试,用第一人称视角评估视频生成模型完成目标导向操作任务的能力,并提出配套的自动评分系统EGO2ACTJUDGE,揭示当前主流模型在多步骤物理操作任务上普遍表现不佳。
本文介绍EGO2ACT基准测试,用第一人称视角评估视频生成模型完成目标导向操作任务的能力,并提出配套的自动评分系统EGO2ACTJUDGE,揭示当前主流模型在多步骤物理操作任务上普遍表现不佳。
本文系统梳理视频生成模型的后训练与对齐方法,提出监督微调、自训练蒸馏、偏好奖励、推理时控制四大门派分类体系,剖析各方法的技术原理、应用场景与权衡困境,并探讨数据集、评测基准及安全对齐等关键挑战。
对于性能车、运动轿车的车主来说,轮胎是车辆与地面之间唯一的连接。赛道上凌厉的过弯,山路上的激烈驾驶,以及每天早晚高峰的通勤,其实都在考验一套运动轮胎的综合实力。
[中国,青岛,2026年10月23日] 2026新型智慧城市发展创新大会暨2026年“数据要素×”大赛全国总决赛颁奖仪式期间,华为发布“智能一张网”研究成果。
MemFold提出一种训练压缩记忆的新方法,让AI直接基于自己生成的回答来学习如何使用压缩后的用户历史,而非依赖文本还原或模仿标准答案,在长对话个性化任务上准确率显著超越现有方案。
本论文提出PersonaDose方法,通过训练性格描述条件化的流控制器并进行校准,让语言模型能按用户指定的具体强度分数表达特定性格特质,在三个模型家族上均大幅超越对比激活方法,首次实现了可量化的分级人格控制。
预训练大模型在变量链条追踪上普遍只能坚持两三行,研究团队发现一个占比不到万分之一的rank-8 LoRA插入正确层位,就能把准确率从15%提升到99%,背后是一个被重新激活的中间层信息接力机制relay。
今天讲的出海案例是深南电路,这家电子互联厂商的泰国PCB工厂持续爬坡,原总投资12.74亿元的海外项目,已成为公司毛利率改善的助力之一。
Anthropic提交IPO招股书,亚马逊以约180亿美元总投入持有可转换票据及优先股,票据估值已达979亿美元,并锁定Anthropic未来10年至少1100亿美元AWS支出承诺。谷歌同样持有约5.6%股权并获得114...
Google DeepMind推出新一代世界模型Genie 4,可根据自然语言描述生成逼真三维环境及配套音频,支持实时交互编辑。该模型整合Gemini Omni与Gemini 3.8 Flash,并将应用于机器人仿真训练...
NXP Semiconductors将于2026年11月5日举办网络研讨会,介绍i.MX 95应用处理器与Ara 240 MPU在工业边缘AI场景中的应用,并展示Prodrive的PTedge开发套件如何加速原型验证与产...
Honeycomb提出了一种叫HexMemory的固定大小场景记忆方法,用六块特征平面替代不断膨胀的点云存储,解决视频世界模型长时间生成后场景不一致的问题,在WorldScore和RealEstate10K上均取得领先效...
论文提出视频生成AI新方法SemanTok,通过让DINOv2语义特征进入编码器并监督每个token前缀,解决了现有flexible tokenizer语义对齐被噪声污染的问题,在更小模型规模下实现更优视频生成质量与语义...
读完这篇论文,我脑子里一直转着一个问题:我们平时说某个人"很有洞察力",到底是在夸他什么? 现在看来,答案可能不是"他懂得多",而是"他能把两个看起来毫不相关的东西,在恰当的时候联系起来"。这篇论文里那个反复出现的...
美国能源部向Constellation Energy提供最高50亿美元有条件贷款承诺,用于资助伊利诺伊、马里兰和宾夕法尼亚州8座核电厂的功率提升与现代化改造,预计可新增约1.1 GW发电容量。此前DOE已向Vistra提...
音乐版权公司Reservoir Media以涉嫌侵权为由,分别起诉AI音乐平台Suno和AI公司Anthropic,指控前者抓取1050首受版权保护歌曲用于训练,后者未经授权使用853首歌词训练Claude模型,两案索赔...