「SpatialLM1.5」共找到 3220 篇相关文章
机器人学会“脑补”触感，叠衣服端茶水成功率暴涨90%
近年来，人形机器人研发从行走转向复杂操控，但处理精细家务表现逊色。卡内基梅隆大学联合博世人工智能中心团队提出 HTD 模型，让机器人预判触觉，在 5 项任务上成功率提升 90.9%，部分代码开源。
论文解读：一个运算符能导出所有基本函数
波兰雅盖隆大学Odrzywołek发现二元算子EML，结合常数1能生成科学计算器所有标准功能。EML算子简化运算符集合、将离散问题转化为连续优化问题，但存在数值稳定性、表达式非唯一等局限。
《时代》2025重塑世界的五大AI进展
本文讲述2025年AI重大进展。中国Deepseek R1开源模型冲击全球格局，AI具备思考能力，特朗普政府推“星际之门计划”，AI公司支出逼近1万亿美元，同时AI与人类关系更复杂，引发风险思考。
Orion：面向注重隐私用户的新型浏览器——零遥测、零广告、防范 AI 追踪
Kagi发布新型浏览器Orion 1.0，默认注重隐私、零遥测、无集成广告跟踪技术。它支持Chrome和Firefox扩展，将AI排除核心以保安全，资金源于付费订阅。不过因非开源，隐私声明遭质疑。
打破幻觉！Qwen最新OCR让印章、表格、公式识别准确率飙升45%
基于推理增强框架的视觉语言模型处理OCR任务有成果，但存在生成幻觉问题，特定领域不如专家模型。DianJin - OCR - R1通过推理与工具交互，按‘思考 - 调用工具 - 重新思考’流程提升OCR性能，减少幻觉。
云计算一哥首度牵手OpenAI，大模型「选择」自由，才是终极胜利
亚马逊云科技宣布通过两大平台支持OpenAI新开源模型，还上线Anthropic最新模型Claude Opus 4.1。其早有战略布局，两大平台汇聚400+模型，践行‘选择大于一切’理念，满足多样需求，打造AI生态。
付费Mathpix公式识别不香了~不要钱舒服！
复杂科学文献中公式识别问题重要，但现有模型有局限。DocTron - Formula通过简单微调在多场景达先进水平，还引入CSFormula数据集。它基于Qwen2.5 - VL微调，在多个数据集上效果佳。
昨晚，云计算一哥打造了一套Agent落地的「金铲子」
亚马逊云科技在纽约峰会推出全新 AgentAI 方案，涵盖开发架构、多模型支持及多种工具升级。如 AgentCore 改变开发规则，Strands Agents V1.0 降低多 Agent 协作门槛，还推出 Kiro 等应用，推动 Agentic AI 落地。
免费、开源！谷歌Gemini CLI彻底火了，平替Claude Code
谷歌开源的Gemini CLI火了，它能运行在终端，有谷歌Gemini Pro 2.5功能且基本免费。擅长编程等，与AI编码助手集成，有高免费额度，还具多项强大内置工具，或成Claude Code劲敌。
全面评估多模态模型视频OCR能力，Gemini 准确率仅73.7%
MME - VideoOCR团队评估多模态大模型（MLLM）视频OCR能力。构建精细任务体系和高质量数据集，评测18个主流MLLM。即便如Gemini - 2.5 Pro，准确率仅73.7%，暴露出MLLM在视频OCR领域能力局限。