「声画同出」共找到 1124 篇相关文章
一句话生图要过时了？开源图像生成Agent进化出「工具编排」
来自多机构的研究团队提出GenEvolve，将开放图像生成建模为「工具编排轨迹」。它配置三类工具，经多轮决策完成生成。通过构建数据集训练，实验显示在多基准上表现出色，已开源模型、代码等。
龙虾更新出了大bug，12小时内紧急发新版
龙虾火速更新到OpenClaw 2026.3.23版本，距3.22版本仅12小时。此次更新光速修复UI崩溃，接入DeepSeek和Qwen家族，完善插件API兼容性，还在UI、模型、安全等方面有改进。
开源音视频同步SOTA基座：极简的单流架构，2秒出片
AI视频生成迈入音视频同步新纪元，闭源巨头已展实力，而上海创智学院与Sand.ai联合发布的开源音视频生成基础模型daVinci - MagiHuman，以极简单流架构，2秒就能在1张H100显卡上生成精准音视频同步画面。
LeCun 对线 DeepMind：LLM 永远造不出机器人水管工
图灵奖得主 Yann LeCun 和 Google DeepMind 的 Adam Brown 就 LLM 是否真正理解世界展开争论。LeCun 认为 LLM 虽在符号操作领域出色，但难理解物理世界；Adam Brown 则觉得 LLM 正涌现对宇宙的真正理解。
给定"标价"的 LLM 智能体，能规划出"最优"路径吗？
在LLM智能体多轮工具使用中，评估成本是难题。来自多所高校的团队推出CostBench基准，围绕旅行规划构建评估环境。评估顶尖模型发现其规划与适应能力有短板，并分析失效根源，还指出下一代智能体演进方向。
LeCun预言成真！790年长视频，炼出最强开源「世界模型」
2025年‘世界模型’成AI巨头战场，谷歌、李飞飞团队等纷纷布局。上周北京智源研究院发布Emu3.5，340亿参数，基于790年长视频数据训练，其架构优越，推理快，能力强，还公开技术报告邀全球探索。
DeepMind再登Nature：AI Agent造出了最强RL算法！
Google DeepMind团队提出DiscoRL，让智能体在多环境交互中自主发现强化学习规则，无需人类设计。它在Atari基准中击败MuZero，在未见过的游戏中也稳定高效，相关研究登《Nature》。
Gemini 3.0 Pro内测流出，编程实力惊人！下周上线
十月AI战场热闹非凡，Sora 2刚亮相，谷歌下一代Gemini旗舰模型Gemini 3.0蓄势待发，最晚下周上线。内部代码流出其有Pro和Flash两版本，实测在编程等方面表现惊艳，虽未发布却暗示编码时代将变。
杭州闯出40亿AI医疗IPO！阿里CEO多轮投资
杭州AI陪诊公司微脉准备赴港IPO，其创始人裘加林经验丰富。微脉依托自研CareAI平台，以与公立医院合作为核心开展全病程管理服务，业务增长可观，虽仍亏损但在收窄，此次募资用于AI能力提升和业务扩张。
中国半导体显示产业之父，将带出一个超级IPO
投资界消息，奕斯伟计算向港交所递交招股书，有望成“RISC-V第一股”。其掌门人为王东升，曾带领京东方走向全球霸主地位。奕斯伟计算聚焦RISC - V架构，获多轮融资，王东升还投资半导体产业链多企业。