搜索
如果你曾将收据照片上传至报销系统，或在线阅读过PDF 格式的书籍，那么你可能已经使用过光学字符识别技术 ——这项已有数十年历史的技术能将打印体、手写体或印刷体文本图像转换为计算机可编辑的文本。
谷歌凌晨更新Veo 3.1，主打更强叙事与音频控制、首尾帧与多图参考等精控，接入Gemini API与Vertex AI，Flow与Gemini可用。可合成多人物场景、音画同步，片段最长约148秒；规格至1080p/24fps。
还在用Sora2做恶搞视频或表情包玩儿？快醒醒，国内AI视频玩家已实现弯道超车了—— 开卷实时流式生成！
奥特曼宣布重新上线个性化、富有人味的的新ChatGPT版本，并将在12月份开放「成人模式」，OpenAI最终还是没忍住，要抄马斯克的Grok作业了～
人火了是连毕业论文都要被翻出来的（doge）。 这不，宇树科技CEO王兴兴的硕士毕业论文就被网友们掘地三尺找到了。
从「深蓝」到ChatGPT和DeepSeek，AI已从棋盘上的较量转向生产力革命。中国移动以自研「九天」大模型为核心，打造「灵犀智能体」，一个能理解意图、主动服务的全场景生活助手。通过「灵犀贴贴」实现AI+NFC的便捷交互。同时「爱购商城」以「AI豆」构建统一价值体系，打通通信、消费与智能生态，为用户提供个性化、温度化的智能生活新范式。
基础模型（FM）是一种在海量数据上训练的人工智能系统，具备强大的通用性和跨模态能力。港科大最新发表的论文显示：FM可能引领科学进入第五范式，但大模型的偏见、幻觉等问题仍需正视。
开源大模型，进入中国时间。 10月，公开数据显示，来自中国的开源大模型已经牢牢占据榜单前五。 阿里的Qwen系列和DeepSeek，更是从2024年下半年起，就在开源社区构建起越来越深远的影响力。
在AI智能体日益依赖记忆系统的时代，一种新型攻击悄然兴起：记忆投毒。A-MemGuard作为首个专为LLM Agent记忆模块设计的防御框架，通过共识验证和双重记忆结构，巧妙化解上下文依赖与自我强化错误循环的难题，让AI从被动受害者转为主动守护者，成功率高达95%以上。
一张图片包含的信息是多维的。例如下面的图 1，我们至少可以得到三个层面的信息：主体是大象，数量有两头，环境是热带稀树草原（savanna）。然而，如果由传统的表征学习方法来处理这张图片，比方说就将其送入一个在 ImageNet 上训练好的 ResNet 或者 Vision Transformer，往往得到的表征只会体现其主体信息，也就是会简单地将该图片归为大象这一类别。这显然是不合理的。