Being-VL的视觉BPE路线：把「看」和「说」真正统一起来

北大、UC San Diego 和 BeingBeyond 联合提出 Being-VL 的视觉 BPE 路线，先将图像离散化并「分词」，再与文本统一建模，能缩短跨模态链路、保留视觉结构先验，还介绍了实现步骤、训练方式等。

韦东奕论文登数学顶刊，将散焦方程的爆破性研究扩展至d≥4

韦东奕和北大学者章志飞、邵锋合作的论文发表于数学顶刊《Forum of Mathematics, Pi》。他们将散焦方程的爆破性研究扩展至d≥4，成果填补空白，证明方法可推广到其他方程。

2025年4月17日消息，OpenAI 连发o3和o4 mini，o3为强大推理模型，o4-mini专为高效推理优化。它们能调用ChatGPT工具，可基于图像思考。OpenAI还开源本地代码智能体Codex CLI，兼容所有模型。

CVPR 2026｜清华联合美团推出3DThinker，首个用3D意象思考的工作

当前多模态大模型在空间理解任务表现弱，缺乏对几何信息提取能力。清华联合美团推出3DThinker，无需3D标注和外部工具，让模型内蕴‘想象’三维场景，在多基准上提升效果，且具备一定可解释性。

西湖大学王东林团队论文：机器人需要“通古今，知未来”丨CVPR 2026

西湖大学王东林团队提出论文《HiF-VLA：Hindsight, Insight and Foresight for Vision-Language-Action Models》，介绍HiF-VLA模型，它以“运动”表达时间信息，实现稳定连续决策，性能提升且计算成本低，推动机器人从“看到就做”到“边想边做”。

全网都在扒的小米MiMo团队，几乎被“北大学子”承包了

小米MiMo-V2-Pro模型登上OpenRouter调用量榜单第一后，网友关注其团队。该团队成立一两年冲到顶尖，核心作者多来自北大，技术理念受小米产品基因驱动，成功是多重因素叠加结果。

AI Agent也有体检中心了？诊断级安全框架AgentDoG正式开源

上海人工智能实验室今日开源全球首个具深度诊断能力的AI智能体安全护栏框架AgentDoG。它能精准定位风险、解释决策成因。团队提出三维风险分类法，构建数据合成管道，实验表现领先，还集成归因模块。

每帧Sora级震撼！Midjourney首个视频模型登场，超逼真大片首测来袭

Midjourney首个AI视频模型V1上线，每月10美金可体验20秒。其视觉效果惊艳，能媲美Sora等，还能一键让图像动起来。成本低，提供多种模式与设置，有技术愿景，未来将完善模块。

不懂建模也能做角色！VAST升级AI神器，一手实测来了：一键拆建/魔法笔刷/万物绑骨

3D大模型明星初创公司VAST推出的Tripo Studio大升级，有智能部件分割、贴图魔法笔刷等四大核心功能，直击过去建模流程痛点，实现从“给模型”到“交成果”的质变，提升全链路效率。

国外网友疯传DeepSeek R2/R3/R4 炸裂突破，超越传统的「跨因果超矩阵」，并在训练过程中自发产生了R5……

国外网友疯传DeepSeek R2到R5的“重磅”消息，爆料内容层层递进且玄幻离谱。Anthropic联合创始人评价有认可也有轻视。当下闭源模型各领风骚，开源阵营期望集中在DeepSeek R2，应平常心看待传言。