「像素级视觉世界模型」共找到 1540 篇相关文章
从数学思维到AI睡眠，于大川在千亿赛道的第二次“白魔法”创业｜甲子光年
于大川曾创办豌豆思维，“双减”后他“半退休”。如今他重启创业，创立豌豆智能，想用AI改善人类睡眠。该公司已获君联资本天使轮融资，于大川分享了创业思路、产品模式、团队组建等内容。
无需训练，如何提升黑箱VLM？CARPRT用「类别感知」给出答案
近年来，视觉 - 语言模型（VLMs）改变图像理解范式，但零样本分类性能对 Prompt 敏感。墨尔本大学 TMLR 小组提出 CARPRT 方案，以“无训练、黑箱适配、类别专属权重”解决提示词语义适配不足问题，已被 ICLR 2026 接收。
深度访谈｜OpenClaw引爆Agent元年，AI Agent在企业内如何规模化应用？
2026年初，开源智能体项目OpenClaw爆火，让AI从“对话框里的顾问”变为“现实世界中的执行者”。本文围绕“从OpenClaw爆火到企业级Agent落地”展开，探讨AI Agent的应用问题、开源生态格局等，还给出企业部署建议。
ICLR 2026 | 机器人不够聪明？VLMgineer让大模型自己「发明工具」，从设计到使用全自动
宾夕法尼亚大学研究者提出 VLMgineer，一个全自动工具设计与使用框架，利用视觉语言模型和进化搜索，让机器人自主设计并使用工具。该工作已被 ICLR 2026 接收。实验显示，它在工具设计上优于人类提示和现有 Benchmark 工具。
“中国最有钱的3个男人”，开战了
2026年春节，腾讯、阿里、字节三大互联网巨头在AI领域正面交锋。腾讯重振旗鼓，阿里定义AI叙事，字节加速全球化。此前，DeepSeek让战争真正开始，各巨头反应不同。此外，还涉及人才竞争、组织协作及AI对世界开放性的影响。
蚂蚁出手VLA，就是开源超越Pi0.5的基座模型
当前具身智能落地面临泛化能力不足的挑战，蚂蚁灵波开源发布的基座模型 LingBot-VLA 带来突破。它基于大量真实世界数据预训练，在多项真机任务测试中超越 Pi0.5，且在架构、效率等方面有创新。
MCP 和 Skills 到底什么区别？一篇文章说清楚
文章解释了 MCP 和 Skills 的区别。MCP 是 AI 世界的 USB 协议，可降低开发成本，但会吃掉上下文窗口；Skills 采用渐进式披露设计，自带脚本，能减少上下文消耗。未来 Skills 或承担多数工作，MCP 用于远程连接。
长视频会议纪要、访谈节目精剪AI神器
WhisperVideo是用于长篇幅、多说话人视频的简洁演示系统，专为真实对话构建。它有SAM3视频分割、TalkNet主动说话人检测等功能，具备视觉关联说话人归属等特性，文中还介绍了安装、运行等内容。
社区供稿丨Reachy Mini 亮相 CES 黄仁勋主题演讲：一场开源共创的科技旅程
CES 2026 的 NVIDIA 主题演讲中，黄仁勋带来开源桌面机器人 Reachy Mini，展示了将模型与物理世界连接打造智能伙伴。它运行在本地，依托 DGX Spark 算力，能完成多种任务，其开发是开源硬件与敏捷制造的胜利。
Manus被收购前最后一次访谈：季逸超还不知道Meta即将来敲门
这是Manus被收购前，联合创始人季逸超的访谈。他回顾从猛犸浏览器到Manus的创业路，谈GPT - 3冲击，还评价搭档肖弘。访谈后不久，Meta宣布全资收购Manus。