全部动态

这个方法挺有意思，用人的手去摸物体，然后通过力反馈数据来学习物体的物理特性，比单纯看图片或视频更准确。

这个 PARTS 框架挺有意思，就是针对机器人执行长时程任务时，那些容易卡壳的关键步骤，用强化学习去专门训练，效果比单纯用预训练策略好很多，而且需要的人类操作也少。

这个技术很实用，能让你在本地设备上更高效地运行大语言模型，不用复杂配置，还能根据任务自动选择合适的模型精度。

想了解游戏开发中 AI 生成软件的性能？这个新基准测试集 GameASG-Bench 很有用，它有 47 个具体任务和详细的实验数据，能帮你判断不同模型的效果。

这个新算法能更高效地计算梯度，在连续控制任务和 Wordle 游戏上都比传统方法表现更好。

这个新模型FAMOS能从稀疏的3D点云中，自动识别出物体的各个可动部分和它们的关节，比传统方法更高效，适合处理不完整的数据。

这个新方法能显著提升视频生成速度，对需要快速生成直播视频的场景很有用。

朋友间推荐：新方法叫ActObs，能让AI代理更聪明地探索环境，在测试中表现更好。

DeepSeek 新出的 V4.1-Flash 模型，KV 缓存占用比之前版本小很多，适合做长上下文对话，比如百万级文本的对话，而且性能还更好。

朋友，Andromeda 2 这个新系统在药物研发上挺厉害的，能自己设计配方，而且效果比之前的方法好不少。

这是 SwiftSage 模型的一个技术升级，增加了记忆和自省功能，可能对需要长期状态追踪和恢复能力的交互式任务有帮助。

这个SynAgent框架挺有意思，用LLM当实验员，自己探索条件，还自己分析数据，最后能总结出规律，比传统黑箱优化器强。

这个模型对机器人很有用，能更好地适应新环境，比之前的FastWAM效果更好。

这个新框架LGM挺有意思，它用稀疏自编码器把历史交互信息处理成潜在空间里的节点，然后根据查询动态调整关系权重，这样能更精准地理解用户的长期行为模式。

OpenAI 新模型 Open-1B 的训练过程可完全审计，能验证训练轨迹是否符合声明，比普通开源模型更透明。

这个新模型 PhysStream 能让你在视频生成过程中实时调整物体的物理运动，比之前的方法更精细，效果更好。

LimiX-2 这个新模型，用新方法学，在结构化数据任务上比之前模型更好，还支持因果推理。

Unity 的 FlashVector 能优化整个模型服务栈，比只优化 GPU 核心更全面，对广告平台这类系统很有用。

朋友推荐：Atria Dawn 这个新模型，专门做科研和工程，在 16 项测试里表现不错，能和顶尖的比，还研究了人机合作模式。

这个新框架 Slipsense 很实用，用两种传感器数据做滑移检测，比单独用一种更准，延迟还低，还能跨不同机器手和物体用，挺有意思的。

DeepSeek 的工程师们优化了他们的 V4-Flash 模型，让它跑在 AMD 的 GPU 上更快了，解码速度提升明显。

DeepSeek和智谱AI团队的新方法，通过优化KV缓存布局，让CPU和GPU能更高效地分担负载，提升长文本处理速度。

这个方法挺有意思，用图结构来优化代码生成，能更高效地利用计算预算，提升生成质量。

朋友发了 Dynin-Robotics，这个模型能同时处理视觉、语言和动作，在机器人任务上表现不错。

朋友A推荐朋友B试试AdamX这个新优化器，说它结合了余弦相似度，能控制更新幅度，在训练中表现不错。

这个新模型MAPLE很实用，能帮你处理动态变化的优化问题，比如调度或资源分配，而且它记得之前的决策，更新起来更快。

Show-Harness让VLM能直接控制机器人，无需额外模型容量或特定预训练，零样本和微调两种方式都有效。

求是引擎用DeepSeek-v4pro-preview模型在AstaBench测试中表现优异，完成率是官方最佳记录的3.3倍。