模型
清华与星动纪元联合发布首个 AIGC 机器人大模型 VPP
近日，清华大学叉院的 ISRLab 与北京星动纪元科技有限公司携手推出了首个 AIGC（人工智能生成内容）机器人大模型 ——VPP(视频预测策略)。 这一创新成果在2025年国际机器学习大会(ICML2025)上荣获 Spotlight 论文奖，显示出其在全球 AI 研究领域的前沿地位。 AIGC 技术近年来迅速崛起，从生成式文本模型到视频生成技术，其应用范围不断扩大。
5/7/2025 6:00:26 PM
AI在线
清华与星动纪元联合开源首个 AIGC 机器人大模型 VPP
近日，星动纪元宣布，已与清华大学叉院的 ISRLab 合作，开源了首个 AIGC（生成式人工智能内容）机器人大模型 ——VPP(视频预测策略)。 这一创新成果有望在机器人领域带来革命性的进展。 VPP 模型通过将视频扩散模型的泛化能力引入到通用机器人操作策略中，解决了以往机器人推理速度慢的问题。
5/7/2025 5:00:44 PM
AI在线
新兴混合 AI 模型 CausVid:几秒钟内生成高质量视频
近日，麻省理工学院计算机科学人工智能实验室（CSAIL）与 Adobe Research 联合研发的创新性 AI 模型 CausVid 引起了广泛关注。 这一混合模型可以在几秒钟内生成高质量视频，标志着视频创作领域的一次重大技术突破。 创新的技术架构CausVid 的设计理念颠覆了传统的视频生成方式。
5/7/2025 2:00:54 PM
AI在线
一个LoRA实现GPT-4o级图像编辑！浙大哈佛新模型冲上Hugging Face榜二
基于文本指令的图像编辑任务一直都是图像生成、编辑领域的一大热点，从Prompt2prompt到InstructPix2Pix，从EmuEdit再到最新的GPT4o，都在不断的拔高AI图像编辑的水平。 总的来说，这些模型可以归为两大类：一种是免训练（training-free）图像编辑，一种是基于训练或微调的图像编辑。 免训练图像编辑多通过对一个预训练文生图diffusion大模型进行提示词替换、操纵注意力图、图像反演等操作实现，尽管省去了训练的耗费，但其操作过程往往较为复杂且编辑效果不稳定、编辑任务种类单一。
5/7/2025 1:51:49 PM
新智元
ICML 2025 Spotlight｜华为诺亚提出端侧大模型新架构MoLE，内存搬运代价降低1000倍
Mixture-of-Experts（MoE）在推理时仅激活每个 token 所需的一小部分专家，凭借其稀疏激活的特点，已成为当前 LLM 中的主流架构。 然而，MoE 虽然显著降低了推理时的计算量，但整体参数规模依然大于同等性能的 Dense 模型，因此在显存资源极为受限的端侧部署场景中，仍然面临较大挑战。 现有的主流解决方案是专家卸载（Expert Offloading），即将专家模块存储在下层存储设备（如 CPU 内存甚至磁盘）中，在推理时按需加载激活的专家到显存进行计算。
5/7/2025 1:49:19 PM
机器之心
搞不懂CUDA的人有救了，Devin开发商开源Kevin，强化学习生成CUDA内核
本周三，知名 AI 创业公司，曾发布「全球首个 AI 软件工程师」的 Cognition AI 开源了一款使用强化学习，用于编写 CUDA 内核的大模型 Kevin-32B。 Kevin-32B 基于 QwQ-32B 在 KernelBench 数据集上使用 GRPO 进行了多轮强化学习训练，实现了超越 o3 和 o4-mini 的顶级推理表现。 对此，机器学习社区表现出了极大的兴趣。
5/7/2025 1:46:34 PM
ComfyUI品牌焕新升级，推出原生API节点
ComfyUI于2025年5月6日宣布完成品牌升级，同步推出原生API节点功能。 这一更新不仅为ComfyUI带来了全新的视觉标识，还通过集成11个主流在线视觉AI模型、65个新节点，显著提升了其图像和视频生成能力。 据官方介绍，用户无需自行申请API密钥，仅需在ComfyUI平台登录即可无缝调用包括Flux.1、Veo2、GPT-Image-1等在内的先进模型。
5/7/2025 12:01:06 PM
AI在线
公开模型一切，优于DeepSeek-R1，英伟达开源Llama-Nemotron家族
在大模型飞速发展的今天，推理能力作为衡量模型智能的关键指标，更是各家 AI 企业竞相追逐的焦点。 但近年来，推理效率已成为模型部署和性能的关键限制因素。 基于此，英伟达推出了 Llama-Nemotron 系列模型（基于 Meta AI 的 Llama 模型构建）—— 一个面向高效推理的大模型开放家族，具备卓越的推理能力、推理效率，并采用对企业友好的开放许可方式。
5/7/2025 10:12:52 AM
机器之心
英伟达提出最强「描述一切」模型 (DAM)，可生成图像或视频特定区域的详细描述，拿下7个基准SOTA！
英伟达提出「描述一切」模型 (DAM)，这是一个强大的多模态大型语言模型，可以生成图像或视频中特定区域的详细描述。 用户可以使用点、框、涂鸦或蒙版来指定区域，DAM 将提供这些区域的丰富且符合上下文的描述。 相关链接论文：：：：详细的本地化图像和视频字幕详细本地化字幕 (DLC)详细局部字幕 (DLC) 的任务是生成图像中特定区域的全面且情境感知的描述。
5/7/2025 10:10:36 AM
南洋理工 & 牛津 & 新加坡理工提出Amodal3R，可从遮挡 2D 图像重建完整 3D 资产，3D生成也卷起来了！
Amodal3R 是一种条件式 3D 生成模型，能够从部分可见的 2D 物体图像中推测并重建完整的 3D 形态和外观，显著提升遮挡场景下的 3D 重建质量。 给定图像中 部分可见的物体，Amodal3R 重建具有合理几何形状和合理外观的语义上有意义的 3D 资产。 相关链接论文：：：即将开放...模型：： 的示例结果。
5/7/2025 10:09:49 AM
AIGC Studio
掷30亿美元，OpenAI史上最大收购案！
OpenAI史上最大一笔收购即将敲定。 彭博爆料称，OpenAI将豪掷30亿美元，吞并了爆火编码神器Windsurf（前身为Codeium）。 此前，早有外媒曝出了这笔交易，目前离最终达成接近尾声。
5/7/2025 10:09:28 AM
新智元
刚刚，Gemini 2.5 Pro升级，成编程模型新王
你的默认编程模型是什么？ 或许可以换一换了。 刚刚，Google DeepMind 发布了 Gemini 2.5 Pro 的最新更新版本：Gemini 2.5 Pro (I/O edition)。
5/7/2025 10:01:35 AM
OpenAI发布新一代GPT-4.1模型，和智谱Z.ai撞期
在人工智能领域，OpenAI 于今日正式推出其最新的 GPT-4.1模型，随之而来还有两个小型版本:GPT-4.1mini 和 GPT-4.1nano。 这一系列新模型的性能相较于前一代 GPT-4o 和 GPT-4o mini 有了显著提升，尤其在编码能力和指令跟踪方面表现突出。 此外，GPT-4.1还具备高达100万个上下文 tokens 的支持能力，极大扩展了处理信息的范围。
5/7/2025 10:01:30 AM
AI在线
思科与 Meta 携手推出网络安全新武器：Foundation-sec-8B 大模型
思科（Cisco）与 Meta 的合作为我们带来了一个令人振奋的新进展。 他们共同发布了名为 Foundation-sec-8B 的开源大型语言模型(LLM)，该模型专门针对网络安全领域，具有80亿个参数。 这一创新产品不仅展现了两大科技巨头的强强联手，也预示着网络安全技术的新纪元。
5/7/2025 10:01:04 AM
AI在线
机器人公司Dyna Robotics发布新型AI模型DYNA-1，助力机器人手臂实现更复杂任务
Dyna Robotics 是一家专注于人工智能的机器人初创公司，近期宣布将推出一款名为 Dynamism v1（DYNA-1）的全新 AI 模型。 该模型被誉为 “重大突破”，将使机器人手臂在无需人类干预的情况下，能够执行更高精度的任务，并且持续的工作时间更长。 为了验证 DYNA-1的有效性，Dyna Robotics 让机器人进行折叠餐巾的测试。
5/7/2025 10:01:04 AM
AI在线
上线仅7天，阿里通义千问3问鼎全球开源模型
近日，阿里巴巴推出的开源大模型 “通义千问3”（Qwen3）在上线仅七天后，便成功夺得了全球开源模型的冠军地位。 这一成果是在国际权威大模型评测榜 LiveBench 最新发布的排名中取得的，标志着阿里在人工智能领域又一次取得了重要突破。 据悉，通义千问3在指令遵循能力方面，表现超越了诸多顶级闭源模型，如 o3High、o4-Mini High 和 Gemini2.5pro，成功跻身全球第一的位置。
5/7/2025 10:01:04 AM
AI在线
英伟达新开源模型 Llama-Nemotron 震撼发布，推理性能超越 DeepSeek-R1
近日，英伟达正式推出了其最新开源模型系列 ——Llama-Nemotron，该系列模型不仅在推能力上超越了 DeepSeek-R1，更是在内存效率和吞吐量上实现了显著提升。 根据最新发布的技术报告，Llama-Nemotron 的训练过程与众不同，采用了合成数据监督微调与强化学习的方法，以全方位提升模型的推理能力。 Llama-Nemotron 系列模型包括 LN-Nano8B、LN-Super49B 和 LN-Ultra253B。
5/7/2025 10:01:04 AM
AI在线
AI再破2000年前「上古卷轴」！古希腊著作原文首次重见天日
AI再建一功！ 火山灰掩埋的古代智慧，正在被AI一点点复活。 2025年5月6日，维苏威挑战赛（Vesuvius Challenge）迎来历史性突破——研究人员首次非侵入性地读取了仍然卷着的编号为PHerc.
5/7/2025 9:14:00 AM
资讯热榜
标签云
人工智能
AI
OpenAI
AIGC
模型
ChatGPT
DeepSeek
AI绘画
谷歌
机器人
数据
大模型
Midjourney
开源
智能
用户
Meta
微软
GPT
学习
技术
图像
Gemini
AI创作
马斯克
论文
智能体
Anthropic
英伟达
代码
算法
训练
Stable Diffusion
芯片
蛋白质
开发者
腾讯
生成式
LLM
苹果
Claude
神经网络
AI新词
3D
研究
机器学习
生成
AI for Science
Agent
xAI
计算
人形机器人
Sora
AI视频
GPU
AI设计
百度
华为
搜索
大语言模型
工具
场景
字节跳动
具身智能
RAG
大型语言模型
预测
深度学习
伟达
视觉
Transformer
AGI
视频生成
神器推荐
亚马逊
Copilot
DeepMind
架构
模态
应用