搜索：音视频智能 - AI Reading Hub

「音视频智能」共找到 4259 篇相关文章

清华校友出手，8B硬刚GPT-4o！单一模型无限工具调用，终结多智能体

MIT等机构推出TIM和TIMRUN组合拳，突破模型token天花板。TIM将推理建模为任务树，TIMRUN优化内存管理。二者结合支持长程推理，实现单模型高效推理，简化智能体构建，在多方面表现出色。

新加坡国立大学等联合发布EgoTwin，首次实现第一视角视频与人体动作联合生成，攻克视角 - 动作对齐与因果耦合瓶颈。它基于扩散模型，通过三大创新设计解决核心难题，实验性能超基线，为多领域应用提供落地基座。

东方理工陈云天等团队在论文中提出让视频扩散模型学习“潜在科学知识”的框架，方法分三步，在流体和台风数据实验中表现超主流方法，展示生成式AI在科学建模的探索。

成立仅四个多月的AI初创公司明日新程宣布连续完成两轮融资，资金储备够未来三到五年创新。其由李笛带队，获李开复、陆奇等投资，聚焦Harness群体多智能体，还将推出新版“小冰岛”。

过去十年，推荐排序多依赖人工设计公式，但此模式遇瓶颈。快手策略算法团队提出 EMER 框架，用“会比较、能进化的 AI 模型”重构短视频推荐排序，在快手主 App 和极速版效果显著，还为行业提供解决方案。

2026 奇点智能产品大会 7 月 17 - 18 日在北京举办，设「AI 驱动的软件生产力革命」专题，邀字节跳动、百度等团队实践者，探讨 AI 融入企业全价值链生产闭环，还准备了 AI 产品落地实战资料包。

近日，抖音内容技术团队开源ContentV，这是面向视频生成任务的高效训练方案。用256块NPU约4周训成8B参数模型，在多评估维度效果与主流方案相近，还探索了有限算力下训练路径，现推理代码与权重已开放。

美团和浙大联合推出GUIRoboTron - Speech，这是首个能利用语音指令和屏幕截图端到端决策的自主GUI智能体。它解决了文本依赖问题，团队经多步骤研发，其性能评估表现佳，还给出招聘信息。

来自南京大学NLP实验室的ICML 2026论文指出，当前主流多智能体架构中，系统失败常源于负责全局调度的Orchestrator失去对任务的掌控。论文提出相关框架和方法对其进行分析与评估。

奇点智能研究院发布《AISMM 2026 AI原生软件研发成熟度模型白皮书》。当下模型发展快，但组织转型慢。白皮书构建5×5矩阵，助企业明确自身位置与路径，还剖析软件形态、工程变革等关键内容。