AI信息差

文生图 or 图生文？不必纠结了！ 人类大脑天然具备同时理解和创造视觉与语言信息的能力。一个通用的多模态大语言模型（MLLM）理应复刻人类的理解和生成能力，即能够自如地同时处理与生成各种模态内容，实现多模态交互，这也是向通用人工智能（AGI）迈进的关键挑战之一。最近爆火的新版 GPT4o 与 Gemini-2.0 在图文交互这方向上也带来了令人振奋的效果。...

新智元报道 编辑：犀牛 定慧 【新智元导读】Midjourney V7 Alpha来了，带着「最聪明、最美丽」的承诺和让人惊叹的「草稿模式」。本文将通过未编辑的图片并排对比V7、V6和GPT-4o，深入剖析V7的个性化设置和语音控制功能。 终于，Midjourney带着V7 Alpha回来了！兑现了周一放出的一些图片预热。 但GPT4o生图的「余威...

新智元报道 编辑：Aeneas 犀牛 【新智元导读】全美AI行业的GPU供应链，都要被特朗普扼杀了？目前，GPU是否能被全面关税豁免，还是一个谜，整个硅谷都陷入了恐慌！大科技公司CEO们的身家，更是一夜缩水上百亿。 关税大棒一出，连全美的GPU供应链也危在旦夕了？ 昨夜，美股经历了5年未遇的史诗级暴跌，更可怕的是，AI界已经被特朗普的关税政策，搞得...

在全球AI教育竞赛中，硅谷的节奏正在不断提速，OpenAI 支持的AI原生英语学习软件Speak 连融三轮，跻身独角兽。而中国，也悄然迎来本土化的破局者。根据硅谷科技评论（SVTR）AI创投库，教育被视为最有可能被AI大模型彻底重塑的领域之一。从OpenAI联手Khan Academy推出“AI教练Khanmigo”，到Duolingo借助GPT打造沉浸式...

金磊 发自 凹非寺 量子位 | 公众号 QbitAI 有点意思。 这不DeepSeek前脚刚刚上新了一篇关于推理时Scaling Law的论文嘛，引得大家纷纷联想是不是R2马上要来了。 然鹅……奥特曼这边却发了一条“变卦”的消息： 计划改变：我们可能在几周之后先发布o3和o4-mini。 至于大家翘首以盼的GPT-5，奥特曼表示： 将在几个月之后，而...

这，是蛇年春晚的顶流机器人 H1，凭借一手丢手绢的绝活，火遍了大江南北。 这，是一款能侧空翻、会鲤鱼打挺的人形机器人 G1，十八般武艺无一不精。 这，是能载人、空翻、越野，爬山穿水，到处撒欢的升级版工业机器狗 B2-W。 而这些刷屏全网的机器人/狗其实都来自同一家公司——宇树科技（Unitree），但在它们声名鹊起之前，宇树便早已靠着四足机器狗在业内打...

整理 | 褚杏娟、核子可乐 当地时间 4 月 4 日，微软迎来了自己成立 50 周年的日子。 微软是目前全球市值第二大的上市公司，其 50 年的历史上只有三任首席执行官，他们都出席了庆祝活动。其中一位是现任首席执行官萨蒂亚·纳德拉 (Satya Nadella)。另外两位是比尔・盖茨 (Bill Gates) 和史蒂夫·鲍尔默 (Steve Ballme...

机器之心报道 编辑：张倩 语言是离散的，所以适合用自回归模型来生成；而图像是连续的，所以适合用扩散模型来生成。在生成模型发展早期，这种刻板印象广泛存在于很多研究者的脑海中。 但最近，这种印象正被打破。更多的研究者开始探索在图像生成中引入自回归（如 GPT-4o），在语言生成中引入扩散。 香港大学和华为诺亚方舟实验室的一项研究就是其中之一。他们刚刚发布的扩散推...

想象一下，一座生机勃勃的 3D 城市在你眼前瞬间成型 —— 没有漫长的计算，没有庞大的存储需求，只有极速的生成和惊人的细节。 然而，现实却远非如此。现有的 3D 城市生成方法，如基于 NeRF 的 CityDreamer [1]，虽然能够生成逼真的城市场景，但渲染速度较慢，难以满足游戏、虚拟现实和自动驾驶模拟对实时性的需求。而自动驾驶的 World Mod...

近年来，大语言模型（LLM）的性能提升逐渐从训练时规模扩展转向推理阶段的优化，这一趋势催生了「测试时扩展（test-time scaling）」的研究热潮。OpenAI 的 o1 系列与 DeepSeek 的 R1 模型已展示出显著的推理能力提升。然而，在实现高性能的同时，复杂的训练策略、冗长的提示工程和对外部评分系统的依赖仍是现实挑战。 近日，由 a-m...