Puffin-World:一个既能看懂相机,又能生成三维世界的AI大模型
Puffin-World是一个统一多模态模型,通过物理、几何、外观三层原生三维世界状态,让AI同时具备相机物理理解、自由视角生成和三维重建能力,并配套发布了包含1500万组数据的Puffin-16M数据集。
Puffin-World是一个统一多模态模型,通过物理、几何、外观三层原生三维世界状态,让AI同时具备相机物理理解、自由视角生成和三维重建能力,并配套发布了包含1500万组数据的Puffin-16M数据集。
LatentStream提出流式视频理解新范式,把历史证据从外部检索转为潜在记忆内化,通过分层记忆、演化式记忆令牌和置信度驱动优化,在多项在线离线视频基准上刷新最优成绩,同时显著降低显存与推理延迟。
论文提出WorldReward,一种用VLM统一评判摄像机可控世界模型的动作执行与画质的成对奖励模型,通过分块推理、智能体审核数据构建及新基准WorldReward-Bench,在人类偏好一致性和强化学习后训练效果上均超...
论文提出BCIT方法,解决AI自动训练系统中"历史经验能否用于当前模型"的判断难题,通过证据强度、环境兼容性打分和硬性冲突否决,在保证效果的同时显著减少有害更新的误批准。
此次,高通正式发布第二代骁龙音频平台至尊版(Snapdragon Sound Elite Gen 2),定位为首个为个人AI时代打造的高端音频平台。
论文提出CORE框架,通过五级组合匹配数据合成与Rank-KL排序蒸馏,把重排序模型的细粒度判断能力迁移进嵌入模型,显著提升MLLM检索模型在属性物体绑定等组合推理任务上的表现,同时不损失通用检索性能。
本文研究发现,仅用一道训练样本进行在线策略蒸馏,模型就能持续进步数百步,恢复全量数据训练大部分收益。研究者提出状态覆盖率概念解释这一现象:数据供给远超算法吸收速度,揭示了训练效率的新瓶颈所在。
阿里通义团队提出Terminal-Universe框架,把AI智能体已产生的操作轨迹复原为可复用的编程环境,通过单工作空间、跨工作空间与多轮对话三种方式扩展任务,微调模型后在多个基准测试上取得显著提升。
论文研究小语言模型能否替代大模型做强化学习裁判。作者构建PointRubric和RaR-Science-Static两套数据集,发现1.7B探针裁判判断力超过生成式和对数概率方法,训练出的策略优于8B生成式裁判,且裁判耗...
2026中秋与国庆双节相继临近,受“请3休13”拼假方案带动,出境游市场提前升温。多家旅游平台数据显示,相关出境游搜索热度较今年“五一”假期激增约3倍。