「开源对话前端」共找到 3692 篇相关文章
边画边想!多模态Reasoning迎来巨大提升!
论文指出文本无法精准表达空间关系,现有视觉语言模型(LVLM)在空间推理上是短板。ViLaSR让模型直接画图推理,经三阶段训练,在五大空间推理测试中表现出色,还开源资源,有望带来机器认知升维。
12.1万高难度数学题让模型性能大涨,覆盖FIMO/Putnam等顶级赛事难度,腾讯上海交大出品
腾讯AI Lab与上海交大团队联合推出首个基于自然语言的数学定理证明框架与数据集DeepTheorem。12.1万道高难度数学“特训题”让模型定理证明性能大涨,7B模型性能比肩或超越现有开源和商业模型。
斯坦福让GPT-6 Astra直接修改机器人参数:只动65行词嵌入,修复一类指令失灵
研究人员无需梯度更新,仅靠修改机器人策略的 65 行词嵌入向量,就让含相关词元的任务成功率从 74.3% 升至 87.5%,代码已开源。
社区供稿 | HyperFlow H3 Flash 5 天下载超过 24 万:33B 视频模型瘦身到 14B,消费级显卡就能跑
开发团队 Video Rebirth 开源 HyperFlow H3 Flash,将 MiniMax 的 33B 视频模型压缩至 13.7B 并支持 6 步采样,24GB 显存显卡即可运行。
社区供稿 | Hugging Face x 北京中关村学院等机构联合发布生成式基因组大模型Carbon:一场关于“生命语言”的范式革命
北京中关村学院等联合发布生成式基因组大模型Carbon并开源。Carbon家族有三个版本,旗舰模型Carbon - 3B在多任务匹敌70亿参数的Evo2 - 7B,运行速度快275倍。它在数据、分词、训练上有创新,还实现技术普惠,有多种应用场景。
ICLR 2026|CMU等团队让AI生成的3D场景真正「站得住」:PAT3D把文生3D从能看推进到能模拟、能交互
现在3D AIGC虽能快速生成场景,但落地有问题,很多场景物理模拟时会暴露物体悬空等问题。CMU等团队提出PAT3D,目标是让生成的3D场景物理上站得住,可用于编辑、交互和仿真,且代码已开源。
和Anthropic CEO一起发过Nature,他用Claude Code复活三年烂尾代码
华盛顿大学首席开发者Brendan MacLean用Claude Code复活三年烂尾代码。他像带实习生一样带Claude,构建上下文让其理解代码库。同一周OpenAI开源Symphony,实现任务自动派Agent。二者路线不同但目的相同,都在探索让AI融入工程流程。
架构彻底重构!DeepSeek新模型代码曝光,要来的V4让国内外都坐不住了?
DeepSeek官方GitHub代码库曝光代号“MODEL1”新模型线索,或为V4内部代号。代码显示其有重大架构变更,能并行处理稀疏与稠密计算,适配英伟达新架构。此前R1发布推动中国AI开源生态发展,新模型备受期待。
只需三步,就能认领一台AI手机!
最近全面开源的AutoGLM可让手机自己动起来,用户只需用自然语言描述任务,AI就能自动操作。不过此前安装部署较麻烦,现在智谱找到连安装都能“自己动”的方法,用Claude Code + GLM - 4.6,三步即可认领AI手机。
Office已然成了AI插件,传统软件即将被颠覆
开源项目 OfficeCLI 上线数月获 2.9 万星,可让 AI 读写 Office 文件并自查。它将操作封装成命令行,解决 AI 办公不能交付的问题,还能处理多种实际工作,兼容 Office 365 和 WPS。最后探讨了命令行接管软件的可能性。