RSS 2025|从说明书学习复杂机器人操作任务:NUS邵林团队提出全新机器人装配技能学习框架Manual2Skill
RSS 2025|从说明书学习复杂机器人操作任务:NUS邵林团队提出全新机器人装配技能学习框架Manual2Skill视觉语言模型(Vision-Language Models, VLMs),为真实环境中的机器人操作任务提供了极具潜力的解决方案。
搜索
视觉语言模型(Vision-Language Models, VLMs),为真实环境中的机器人操作任务提供了极具潜力的解决方案。
对话即编程,更适合普通人的开发平台。
今天,我们正式发布 DeepSeek-R1,并同步开源模型权重。DeepSeek-R1 遵循 MIT License,允许用户通过蒸馏技术借助 R1 训练其他模型。DeepSeek-R1 上线API,对用户开放思维链输出,通过设置 `model='deepseek-reasoner'` 即可调用。
谷歌正用AI重塑搜索,引发自身商业模式的深刻危机。AI Overviews与AI Mode大幅削弱用户点击网站的需求,改变传统搜索架构,使谷歌从信息入口变为信息终点。
首个用于加速扩散式大语言模型(diffusion-based Large Language Models, 简称 dLLMs)推理过程的免训练方法。
让我们把时钟拨回 2014 年 5 月,当刚完成博士后研究的 Dario Amodei 决定加入百度研究院(Baidu Research)时,他绝不会想到自己有朝一日能够亲手打造属于自己的 AI 帝国,并成为连谷歌和微软都无法撼动和忽视的强劲对手。
当传奇音乐制作人里克·鲁宾(Rick Rubin)——那个以极简主义和直觉塑造了无数经典专辑的“宗师”——与代表人工智能前沿的Anthropic公司相遇,当深奥幽玄的古老东方智慧《道德经》与严谨理性的现代编程思维发生碰撞,会激荡出怎样的火花?《代码之道》(The Way of Code)这个奇特的项目给出了一个令人惊讶且引人深思的答案。
在刚刚结束的 Google I/O 开发者大会中,Google 宣布上线由 Gemini 驱动的高级 AI 搜索模式 AI Mode,可以应对复杂问题,支持追问。与之前的 AI Overviews 对 AI 搜索的浅尝辄止不同,Google 终于不再死抱着“关键词+链接列表”,开始拥抱“自然语言交互+结构化答案”的“新”范式了。
微软扔出了一个重磅炸弹:VS Code 将开源 GitHub Copilot Chat 扩展,并采用最宽松的 MIT 协议。微软扔出了一个重磅炸弹:VS Code 将开源 GitHub Copilot Chat 扩展,并采用最宽松的 MIT 协议。
普林斯顿大学与字节 Seed、北大、清华等研究团队合作提出了 MMaDA(Multimodal Large Diffusion Language Models),作为首个系统性探索扩散架构的多模态基础模型,MMaDA 通过三项核心技术突破,成功实现了文本推理、多模态理解与图像生成的统一建模。