「具身视觉」共找到 1603 篇相关文章
世界模型太慢？西交大提出Fast LeWorldModel：用「动作前缀并行预测」让动态估计加速4倍
视觉规划里世界模型‘想象’过程慢，西安交通大学研究团队提出Fast LeWorldModel，从根本改变预测方式，实验显示其提升了成功率，还大幅缩短规划时间。
多模态BUG修复新SOTA：慕尼黑工大GUIRepair登上SWE-bench Multimodal榜单第一
自动化修复软件缺陷是长期目标，多模态问题修复受关注。慕尼黑工业大学团队提出GUIRepair，融合APR与GUI Testing知识，登上SWE - bench Multimodal榜单第一，为多模态软件自动修复开辟新路。
AI 如何讲好一个多人故事？首个支持多角色互动的3D场景叙事系统
首尔国立大学提出全新框架，能生成虚拟动态场景并支持多角色上下文动作生成。引入LLM拆解复杂任务，系统用事件驱动方式规划动作，还构建基准评估相关能力，有良好扩展性和实用性。
字节开源高效解析文档图像的新型多模态模型Dolphin，快速将复杂的文档图像转化为结构化数据。
字节开源新型多模态模型Dolphin，采用“先分析后解析”范式，能将复杂文档图像转化为结构化数据。它有卓越性能和多种特性，还提供安装、推理使用指南。
一夜之间，Claude成我同事了
今天凌晨，Claude Code 迎来重磅更新 Claude Tag，可让 Claude 以团队成员身份加入用户团队，在 Slack 平台使用。它具备持续记忆、主动介入等能力，有多人共享、持续学习等优势，企业客户可试用。
Cursor SDK正式发布，“cursor” inside！
四月最后一天，Cursor正式发布TypeScript SDK，将智能代理运行时打包成可编程组件，跳出编程工具定义。它提供完整开发套件，支持双模部署，已有公司用其做三件事，还包含关键部分，Composer模型开放有战略价值。
ICLR 2026｜UIUC：一行代码彻底解决LLM推理的过度思考！
2025年DeepSeek发布推理大模型，引发RLVR研究热潮，但该方法有“过度思考”问题。伊利诺伊大学香槟分校等研究者提出Self - Aligned Reward（SAR），能提升推理准确度和效率，有望推动大模型推理系统发展。
“DeepSeek 时刻” 一周年
本文回顾 2025 年 1 月 “DeepSeek 时刻” 后中国开源 AI 社区转折，分析其对全球开源生态的重塑。指出 DeepSeek R1 降低三门槛，推动战略转变，全球也积极应对新开源热潮。
高通新款云端芯片公开！借推理抢英伟达蛋糕，市值一夜暴涨197.4亿美元
高通宣布推出AI200和AI250两款全新AI芯片进军数据中心市场，消息使股价一度飙升超20%。新品聚焦推理阶段，主打低TCO、高能效与强内存处理能力，还推进端到端软件栈。高通早有布局，已获订单。
黄仁勋说的对！Meta绝密AGI梦之队曝光，44人天团一半来自中国
今早Meta超级智能实验室44人绝密名单曝光，50%成员来自中国，75%有博士学位。从机构看，40%来自OpenAI，20%出自DeepMind。此外，硅谷人才争夺战白热化，Meta为AGI投入巨资。