视频生成模型连文字都写不对,这件事比你想象的更严重
VTR-Bench是一个系统评测视频生成模型文字渲染能力的基准,覆盖300条提示词和五大场景,发现当前最强模型词错误率仍达0.250,并提出关键帧引导的智能体框架将错误率降低32.5%。
VTR-Bench是一个系统评测视频生成模型文字渲染能力的基准,覆盖300条提示词和五大场景,发现当前最强模型词错误率仍达0.250,并提出关键帧引导的智能体框架将错误率降低32.5%。
视频AI分不清视频是正放还是倒放?研究者发现时序信息在模型中间层产生后逐层衰减,提出无需训练的TAI方法,在峰值层提取信号按衰减曲线回注,显著提升三款主流视频大模型的时序推理能力。
本文介绍Multimodal Flow框架及其实例化模型MF-1,一种用流匹配统一建模语言与视觉的全连续生成方法。通过文本图像超块设计、块因果注意力与模态专属前馈网络,MF-1在仅用150B训练词元的情况下,于GenEv...
10 月 6 日晚间,罗格斯大学数论学家 Alex Kontorovich 在纽约国家数学博物馆的晚宴上,一手端着威士忌一手刷手机。OpenAI 刚刚在 GitHub 上放出 722 篇 AI 生成的数学论文。他翻到"准...
论文提出Memorizon训练方法,让视频世界模型的训练跨度和注意力计算长度解耦,通过按相机共视性检索历史片段组成有界记忆库,使模型能在超出训练窗口的时间跨度上保持场景重访一致性,同时控制训练成本。
机器人常常记不住"自己做过什么",这篇论文设计了HIDE基准专测这种健忘症,并提出SEEK三合一记忆框架,在仿真和真实机械臂实验中显著提升了需要历史信息才能完成的操作任务成功率。
今天讲的出海案例是润泽科技,这家数据中心建设运营商正加快印度尼西亚巴淡岛和中国香港园区建设,两地合计规划规模约600MW。
AI数据中心建设正超越GPU与电力成为焦点,变压器、开关柜、液冷设备及特种钢材等隐藏环节正成为新的供应瓶颈,也为创业者打开了被忽视的机会窗口。
DataMagic用声明式规范DVSpec和"先生成后编排"的多智能体策略,解决了AI自动生成数据视频时音画不同步、叙事混乱的难题,质量较直接生成大模型提升83%。
研究发现用更小、更弱的冻结模型生成的错误答案训练大模型,效果反超用模型自身错误训练,且计算成本大幅降低,挑战了偏好蒸馏中"反例须同尺寸生成"的传统假设。
KaliBench是首个针对Kali Linux命令行工具调用的细粒度基准,含8504条查询命令对,覆盖1642个工具。研究发现开源模型完全匹配准确率不超42%,参数构造是主要瓶颈,并通过可验证奖励训练让8B小模型逼近6...
BrainChip发布AKD1500 SPI协处理器,通过MCU已有的SPI接口为可穿戴设备、智能家居等边缘产品带来Akida神经形态AI能力,支持本地学习,无需替换现有主控芯片,现已通过BrainChip Shop及D...
NVIDIA扩展Cosmos平台,新增数据工厂蓝图、训练优化工具及仿真检查点,支持自动驾驶、机器人等物理AI场景。Cosmos 3 NIM微服务推理速度提升最高2倍,新增模型可适配GR00T、QWEN等多种开源架构。
TianoCore EDK II被披露存在严重性评分9.5的内存破坏漏洞(CVE-2026-97631),攻击者可在操作系统启动前执行恶意代码,绕过Secure Boot等防护机制。该漏洞源于16年前的缓冲区溢出缺陷,影...
大众汽车电池召回范围扩大至奥迪,涉及9048辆2024至2025款Q4 E-Tron及Q4 Sportback E-Tron。由于存在电池热失控风险,车主被建议将充电上限控制在80%,根本原因尚未确定。
Waymo宣布在洛杉矶、纳什维尔、奥兰多、圣地亚哥及旧金山湾区新增约250平方英里的无人驾驶出租车服务区域。目前Waymo已在15个美国都市区运营,每周完成逾50万次付费出行。
IBM发布IBM Z Atlas产品公开预览候补名单,计划2027年第一季度正式上线。该产品利用AI技术自动映射技术栈并评估、测试和验证变更,旨在帮助企业加速IBM Z大型机现代化改造,同时减少手动补丁管理工作。
OpenAI宣布在数学、计算机科学和物理学领域取得重大突破,但采用"专家把关"方式管控信息发布,引发研究人员强烈不满。多位学者认为,OpenAI挑选特定专家审查成果的做法阻碍了学界的开放审视,应将全部结果公开发布。
AI决策的不可预测性正让传统审计框架失效。Gartner调查显示,67%的AI领导者认为偏见与公平性监控"困难",审计人员难以追溯LLM决策过程。PwC、KPMG等机构呼吁企业建立覆盖数据来源、输出评估、责任归属的问责框...