AI进家庭
充分激发模态协作，MokA量身打造MLLM微调新范式
本文第一作者卫雅珂为中国人民大学四年级博士生，主要研究方向为多模态学习机制、多模态大模型等，师从胡迪副教授。作者来自于中国人民大学和上海人工智能实验室。 近年来，多模态大模型（MLLMs）已经在视觉语言、音频语言等任务上取得了巨大进展...
不会被AI替代？100年前的农民也这么想的，这些图表让你害怕！
新智元报道 编辑：定慧 【新智元导读】「我的工作太复杂，AI替代不了」别天真了！从农业到制造业，再到今天的软件开发，历史早已证明：所有工作都难逃被技术重塑的命运。AI正以惊人速度吞噬人类岗位，程序员也未能幸免，或许所有人都无法幸免...
OpenAI华人AI大牛集体跳槽Meta！清华北大浙大中科大校友各一位，多模态后训练、感知团队负责人全走了
梦晨 发自 凹非寺 量子位 | 公众号 QbitAI 扎克伯格又从奥特曼手里挖走4名顶尖AI人才，这次四位都是华人研究员。 他们分别是： 中科大校友于佳慧：OpenAI感知（Perception）团队负责人 浙大校友毕树超: OpenAI...
2025，10000个Vibe Coding井喷
头图由豆包生成 提示词：办公室场景，一个人坐在桌前与机械臂协作编程 作者_｜董道力 邮箱｜_dongdaoli@pingwest.com 2025年，10000个AI coding工具正在井喷。 这是一个注定作为“AI Coding元年”...
1小时30万辆，小米雷军教“全球销冠”特斯拉Model Y如何卖车
作者_｜王飞 邮箱｜_wf@pingwest.com 定出750个“小目标”（亿）要多久？在小米集团董事长雷军这里，只需要1小时。 6月26日晚，小米YU7正式上市。作为小米集团旗下的第二款车型，也是旗下首款SUV，小米YU7的定位是“豪...
中科院甩出多模态“核弹”！类GPT-4o多模态模型开源！支持语言-视觉-语音任意组合交互！
中国科学院计算技术研究所（ICTNLP）最新开源了一款类GPT-4o的多模态模型，支持文本、视觉和语音的任意组合交互，生成文本和语音回复。 其模型名称为：Stream-Omni，其独特的“边听边看”体验媲美GPT-4o高级语音服务。 核心...
MinerU是一款将PDF转化为机器可读格式的工具
MinerU是一款将PDF转化为机器可读格式的工具（如markdown、json），可以很方便地抽取为任意格式。主要功能： 删除页眉、页脚、脚注、页码等元素，确保语义连贯 输出符合人类阅读顺序的文本，适用于单栏、多栏及复杂排版 保留原文档...
Kontext 模型超强图像编辑能力
Flux Kontext Dev ComfyUI 首日支持现已发布，快来解锁 Kontext 模型超强图像编辑能力。Flux.1 Kontext 模型现已整合进 ComfyUI，本地即可使用，具备极强图像一致性保持与快速局部编辑能力，是面...
阿里最新多模态统一理解与生成模型：Qwen VLo
阿里最新多模态统一理解与生成模型：Qwen VLo，图片理解生成能力更强。Qwen VLo在原始多模态理解与生成能力基础上进行了升级，增强了对图像的理解深度，生成更准确，一致性更强。 可以生成图像、编辑再创作图像、生成海报、组合物体等 后...
Devin 推出 Coding Agents 101，编程代理入门指南
Devin 推出 Coding Agents 101，编程代理入门指南。该教程不限 coding agent 工具，面向工程师人群。内容包含： 入门：提示基础、工作流 中级：较大任务 高级：自动化、定制化 实际考虑：限制、管理成本、安全 ...