搜索
过去几年，多模态模型在理解任务上快速演进，图像问答、OCR、视觉推理、跨模态对话等能力不断提升；与此同时，图像生成模型也在视觉质量、指令遵循和细节表达上持续突破。下一步一个自然的问题是：能否用同一个模型，同时做好理解与生成？这正是统一多模态模型（Unified Multimodal Models, UMMs）正在回答的问题。
AI音乐变天了！Mureka V8强势登顶AA榜，包揽人声与器乐双项冠军。而这仅仅是开始，下一代Mureka V9已在路上了！
ACE 的起点，并不是把音乐生成做成一个更轻的娱乐玩具，而是从专业创作工作流里切进去。ACE Studio 2.0 于 2025 年 12 月正式发布，产品形态也从 AI vocal workstation 进一步扩展为 all in one AI music studio，开始把 AI 歌声、乐器、生成、编辑与 DAW 协同整合成一个AI 音乐创作系统。
传统的 AI 购物助手更像是一个任务完成机器：接到指令，搜索，下单。他们或许能跑通流程，却完全无法理解用户为何在最后一刻因为一条关于 “夹耳朵” 的差评而放弃支付。简而言之，传统的电商 Agent 只是任务导向的（task-oriented），而不是模拟导向的（simulation-oriented）。为此，来自亚马逊（Amazon）的研究团队提出了名为 Shop-R1 的训练框架 。
Transformer不保？今天，CMU普林斯顿原班人马杀回，新一代开源架构Mamba-3震撼降临。15亿参数战力爆表，性能比Transformer飙升4%。
今天上午，AI Agent创企MuleRun（骡子快跑）团队发布MuleRun 2.0，该产品是一个可自我进化的个人AI Agent助手。Mulerun创始人兼CEO陈宇森分享称，MuleRun的上手门槛更低，可以在给定目标的前提下主动工作，具有0门槛使用、极高安全性、稳定性、售后完善、自进化能力、24小时在线、主动性等优势。
半年前我对MuleRun的结论是，阿里老哥拿出了看家的电商心法，要做AI淘宝，供给侧改革，思路典中典。那篇文章最后一句话是等大来——你去喝两瓶假酒一觉睡到明年什么都没错过。
近年来，多模态大模型（Multimodal Large Language Models, MLLMs）正在迅速改变人工智能的能力边界。从图像理解到视频分析，从语音对话到复杂推理，大模型正在逐步具备类似人类的综合感知能力。但一个关键问题仍然没有得到充分回答：这些模型真的能够理解人类情绪吗？
大家好，我是袋鼠帝。 我最近做了一个挺有意思的实验。
大语言模型（LLM）的幻觉问题一直是阻碍其在关键领域部署的核心难题。近日，研究人员提出了一种名为行为校准强化学习（Behaviorally Calibrated Reinforcement Learning）的新方法，通过重新设计奖励函数，让模型学会「知之为知之，不知为不知」。