AI信息差

在人机交互日益普及的背景下，语音以其自然、便捷的优势正成为主流交互方式。虽然已有多款语音模型支持流式音频输出，有效降低了体感延迟，但在生成首个音频片段时仍存在较高的等待时间，成为制约实时部署的关键瓶颈。 针对这一挑战，VITA 团队最新推出了突破性成果—VITA-Audio。作为一款端到端的语音模型，VITA-Audio 能在第一次前向传播中直接生成可解...

论文标题： MICAS: Multi-grained In-Context Adaptive Sampling for 3D Point Cloud Processing 论文链接： https://arxiv.org/abs/2411.16773 收录会议： CVPR 2025 研究背景 3D 点云处理（PCP）涉及多种任务，如重建、去噪、配准、分割...

当前大模型研究正逐步从依赖扩展定律（Scaling Law）的预训练，转向聚焦推理能力的后训练。鉴于符号逻辑推理的有效性与普遍性，提升大模型的逻辑推理能力成为解决幻觉问题的关键途径。 为推进大语言模型的逻辑推理能力研究，来自北大、清华、阿姆斯特丹大学（UvA）、卡内基梅隆大学（CMU）、MBZUAI 等 5 所高校的研究人员全面调研了该领域最前沿的研究方法...

克雷西 发自 凹非寺 量子位 | 公众号 QbitAI 不用引入外部数据，通过自我博弈（Self-play）就能让预训练大模型学会推理？ 来自清华、北京通用人工智能研究院和宾夕法尼亚州立大学的研究人员，提出了一种名为“绝对零”（Absolute Zero）的训练方式。 这种方法通过让大模型根据推理目标，自己生成并解决任务，便可以获得推理能力。 测试中，用“...

新智元报道 编辑：peter东 英智 【新智元导读】如何将一句简单的文字描述变成物理稳定的乐高模型？LegoGPT通过物理感知技术，确保98.8%的设计稳如磐石。 输入一段文字，AI就能设计出可实际搭建的乐高？ 来自CMU的研究人员提出的LegoGPT彻底改变了游戏规则。 只需输入「金属紫色电吉他」，AI就能生成一个不仅外形逼真，还能在现实中稳...

DreamO团队 投稿 量子位 | 公众号 QbitAI 可控图片生成，如今已经不是什么新鲜事。甚至也不需要复杂的提示词，用户通过简单的文本描述，就能快速生成符合个人需求的创意图像。 不过仍然有一些局限： 比如说，虽然可以实现单一任务（如身份、主体、风格、背景等）的定制化设计，可是一旦条件增多，就会出现“鱼和熊掌不可兼得”的问题。 只有小孩子才做选择题，成年...

整理 | 华卫 近日，有网络安全研究人员标记出三个恶意的 npm（Node.js 包管理器）软件包，这些软件包的攻击目标是一款颇受欢迎的由 AI 驱动的源代码编辑器 Cursor，且针对的是苹果 macOS 版本用户。 迄今为止，这三个软件包的下载量总共已超过 3200 次。 软件供应链安全公司 Socket 的研究人员 Kirill Boychenko...

作者丨 Gergely Orosz & Addy Osmani 译者丨明知山 策划丨褚杏娟 可以肯定的是，生成式 AI 将继续改变我们开发软件的方式。 回顾 2022 年 11 月，ChatGPT 首次问世，这是大语言模型（LLM）开始被广泛运用的开端。尽管 LLM 的构建方式出人意料地简单，但它们在各个领域都取得了令人印象深刻的结果。编写代...

文｜ 杨柳 （发自上海） 人形机器人公司傅利叶5月9日宣布，把康养作为布局具身智能的场景锚点。 对于这家靠外骨骼康复机器人起家的公司而言，聚焦康养并不意外。但在业内人士看来，人形机器人康复设备能否真正落地，面临技术研发和医疗监管双重考验。 康养场景“有资源和渠道” 作为从外骨骼机器人赛道切入具身智能的公司，傅利叶先后于2023年和2024年发布两款GR系...

微软与OpenAI正改写合作条款，微软拟放弃部分股权以换取2030年后继续使用OpenAI产品和模型的权利。 文|刘蕊 OpenAI和微软正在改写双方数十亿美元的合作条款，这是一项高风险谈判，旨在让OpenAI能够在未来进行IPO，同时保证微软在未来继续获得尖端人工智能模型技术的机会。 ▍微软拟与OpenAI改写合作条款 据报道，微软可能会放弃其在Ope...