搜索
近年来，大语言模型展现出了越来越强的能力，从上下文学习（In-Context Learning, ICL）到复杂推理、代码生成，这些能力不断刷新人们对模型能力边界的认知。
豆包产品无敌，但Seed模型一直不温不火，大伙对它的印象就两个： 工资高，隔三差五就有千万年包上亿年包新闻，也不知道真假；多模态，但编程能力不太行。
想训练能自动操作手机的GUI（图形用户界面）智能体，总会遇到两难困境：
这篇来自 Interlatent（一家聚焦具身智能后训练与部署的早期创业公司） 的文章，试图从第一性原理出发，把现代 AI 机器人技术重新讲清楚：一个机器人到底如何理解世界，如何生成动作，又为什么会在数据、延迟和泛化上遇到如此多的困难。
清华系物理AI企业「清研精准」已于近日完成数亿元B3轮融资，本轮融资由北京市绿色能源基金、北汽产投领投，裕隆集团跟投。据悉，该轮资金将会用于核心人才招募、多模态数采设备的研发与规模化部署，以及算力采购与模型训练基础设施建设等方向。
Fireworks AI的联合创始人兼CTO、PyTorch核心维护者Dmytro Dzhulgakov将整篇论文梳理成了10个概念，从最底层的GPU访存特性讲到最上层的在线自适应调度。DeepSeek这套方案真正的精髓在于系统工程和模型协同设计。
就在最近，英国前首相府数据科学家Liam Wilkinson，花一个周末搭了76个MCP工具，把Claude、GPT、Gemini等四个顶尖模型扔进了《文明VI》。结果，23场对局打完，其中一个AI造了核弹炸了法国——然后输了。
一位个人开发者，竟然在一众大厂中，杀进了抱抱脸Models Trending榜的前排？！突然出现了一个个人账号：yuxinlu1。再一看下载量——最新数据已高达20.7万和53.6万。好家伙，这是什么神仙模型来了？
15 个来自火山引擎 V-START 加速器的项目，横跨具身智能、AI 陪伴硬件、Agent 工具、内容生成、AI 教育等赛道。都在各自的场景里，把模型能力变成了用户愿意持续使用甚至付费的产品体验，要么扎进了模型短期内替代不了的物理世界，要么在垂直场景里把 Agent 做到了用户真正愿意持续用的程度，要么用 AI 重构了一个原本就有刚需的消费品类。
刚刚，Om AI发布全球首个面向物理世界的端侧流式多模态模型系列——VLX。VLX主打真实世界的端侧与具身场景，总共三款模型，三天连发：这三款模型连起来，不仅构成了多模态模型持续感知、精准定位、行动决策的能力闭环。