安爸

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多模态后训练团队负责人 清华校友赵盛佳: 全程参与从初代ChatGPT到o3的预训练 北大校友任泓宇: o3-mini核...

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”载入技术史册的年份。 一批创新工具正以前所未有的方式重塑编程范式。 这些产品快速渗透进实际生产环境，在能力上也迅速告别简...

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“豪华高性能纯电SUV”。 早在发布前，小米就已将YU7的预热传播，精准地对标当前全球市场最火的纯电SUV销冠——特斯拉Mo...

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。 核心在于高效模态对齐技术，仅需少量多模态数据（尤其是语音数据）即可训练。 核心功能 • 多模态交互：支持文本、图像、语音等...

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 保留原文档的结构，包括标题、段落、列表等 提取图像、图片描述、表格、表格标题及脚注 自动识别并转换文档中的公式为LaTeX格式 自...

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 [dev] 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，是面向创作者和开发者的高自由度图像生成工具。 支持“角色一致性”生成：该模型能在不同场景中维持角色、物体等核心元...

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 后面它还会上线多图输入、极端长宽比图像生成功 支持开放指令编辑生成，可以说“给这张图片添加一个晴朗的天空” 支持中、英文 ...

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 参考文献： [1] https://devin.ai/agents101#introduction 知识星球服...

扎克伯格亲自招募，正在尽一切力量来组建Meta超级智能研究团队 刚刚又爆出扎克伯格从OpenAI挖走了4名顶尖的华人研究员，他们是OpenAI最顶尖的一批研究人才，个个都是大神， 这件事已经基本被OpenAI研究科学家路橙（本科，PhD均毕业于清华）确认了 “公司外很少有人知道他们有多有才华，有多努力。这对 OpenAI 来说是一个重大损失，领导层没能留...

文｜ 杨柳 人形机器人摔倒在了足球场，动弹不得。两名人类担架员匆忙跑上场地，将“受伤”的机器人抬上担架，转移至场边休整。 这样略显滑稽的场面，在6月28日晚北京亦庄的一场3V3机器人足球比赛中频频上演。机器人或贴身“肉搏”后摔倒，或自己不经意间失去重心。以至于有观众调侃，担架员才是足球赛上最忙碌的人。 被担架员抬走的机器人。图：杨柳 不过，这些机器人球员...