「视觉关键线索」共找到 1681 篇相关文章
GPT-5.2 发布：做表格、写 PPT、敲代码 | 打工人的生产力利器
GPT - 5.2发布，在GDPval评测等众多基准测试中刷新行业水平。GPT - 5.2 Thinking适合真实场景与专业工作，在知识型任务、编码、长上下文处理、视觉理解、工具调用等方面表现出色，部分功能需付费使用。
从 LLM 到 World Model：为什么我们需要能理解并操作世界的空间智能？
文章指出 LLM 仅靠语言不足以支撑真正智能，构建空间智能与世界模型成关键方向。2024 年李飞飞等创立 World Labs，11 月推出 3D 世界生成模型 Marble，本文探讨空间智能重要性及世界模型如何成转变基础设施。
为什么所有企业都在谈 Agent？50+ 技术实践给出真实答案
12月19 - 20日北京举办的AICon全球人工智能开发与应用大会，聚焦AI Agent等关键方向。来自腾讯等企业的实践者将分享构建智能系统经验，大会设Keynote和12大平行技术专场，呈现AI技术全景。
杨植麟带 Kimi 团队深夜回应：关于 K2 Thinking 爆火后的一切
上周，月之暗面发布并开源 Kimi K2 Thinking，主打“模型即 Agent”，一上线便引发关注。今日凌晨，杨植麟等人在 Reddit 开展 AMA 活动，回应 K2 Thinking 一系列问题，还回顾了其在多项测试中的亮眼成绩。
「寒武纪们」被低估了吗？
英伟达市值达5万亿，成AI世界“中枢神经”。在其因禁令退出中国市场后，寒武纪等本土AI芯片厂商迎来机遇。但构建软件生态是关键，其估值已脱离传统计算，成为对产业未来的“信念题”。
Emu3.5：能够原生预测下一状态的多模态世界模型，媲美Nano Banana
北京智源研究院推出多模态世界模型Emu3.5，能原生预测视觉和语言下一状态。用超10万亿token数据预训练，后经强化学习训练。团队提出DiDA提升推理效率，其性能媲美Nano Banana，项目已开源。
VaseVQA：考古领域实现专家级，诊断+补弱RL框架
在文化遗产与人工智能交叉领域，研究人员提出把大型多模态模型放于‘诊断—补弱—精细化评估’闭环训练，配套结构化评测基准，让模型在文化遗产领域接近专家级能力。介绍了技术步骤、数据基准及关键发现等。
红色警报：OpenAI的Atlas浏览器，是捅向谷歌万亿心脏的匕首吗？
OpenAI推出ChatGPT Atlas浏览器，争夺全球互联网入口，直指谷歌核心业务命脉。谷歌核心收入源于搜索广告，Chrome是确保流量的关键。而Atlas以‘回答’和‘执行’为核心，或让谷歌广告竞价系统失效，谷歌必将强力反击。
Dexmal原力灵机开源Dexbotic，基于PyTorch的一站式VLA代码库
Dexmal原力灵机推出基于PyTorch的开源视觉-语言-动作模型（VLA）代码库Dexbotic，面向具身智能研究者。其架构含三大核心组件，有五大特征，还推出开源硬件，未来将持续投入生态建设。
AI时代的传统车企转型：广汽的“双核”战略、组织裂变与自研之路｜行知数字中国
本文讲述广汽集团数字化转型历程与规划。在新兴车企冲击下，广汽开启转型，从组织架构破冰到技术突破。转型中业务、组织、文化三重裂变，现进入 GDA 3.0 提出双核战略，还分享国企转型方法论及自研重要性。