「开源图像生成」共找到 5111 篇相关文章
Claude不让我们用!国产平替能顶上吗?
全球AI代码生成竞争格局生变,Anthropic地位动摇,一是OpenAI GPT - 5崛起,二是自身迷之操作。此时国产大模型发力,如Kimi - K2 - 0905、Qwen3 - Max - Preview,性能和价格有优势,有望改变竞争格局。
MIDAS:快手可灵发布实时交互式数字人生成框架
近年来交互式数字人视频生成受关注,但实时处理多模态输入有挑战。快手可灵团队提出MIDAS框架,基于LLM驱动的自回归模型,结合轻量级扩散头,实现低延迟、交互式多模态控制,还构建大规模数据集等。
Kimi K2发布两天即“封神”?80%成本优势追平Claude 4、打趴“全球最强AI”,架构与DeepSeek相似!
国内独角兽月之暗面发布并开源 Kimi K2 模型,推出两天就在 OpenRouter 平台 token 使用量超 xAI 的 Grok 4。它成本低、性能强,编码能力追平 Claude 4,架构与 DeepSeek 相似,技术研究也多次‘撞车’。
医疗AI平台Abridge获3亿美元,估值53 亿美元
医疗AI平台Abridge获3亿美元E轮融资,估值达53亿美元。其利用AI为医疗场景服务,核心功能“环境监听”可生成临床笔记。目前超150家医疗系统使用,正拓展收入周期管理等业务。
73%人类认同率!Video-Bench实现视频质量精准打分
上海交大等团队提出视频评估框架Video - Bench,让多模态大模型‘像人一样评判视频’。它构建双维度评估框架,引入链式查询和少样本评分技术,与人类判断73%高相关,为视频生成模型优化提供标尺。
10个小模型并联跑赢GPT-4.1!无额外训练,方法仅4步
上海人工智能实验室等机构提出Avengers框架,无需额外训练,通过四步集结小模型优势。实验表明,其在15个数据集上平均得分超GPT - 4.1,还探究了框架有效的要素,对AI研究和开源社区意义重大。
HyperAgent:openJiuwen对未来Agent架构的思考和实践
openJiuwen 解读 HyperAgent 架构,提出 Agent 需从单次响应转向 持续承担工作的智能主体,并开源支持跨会话协作与自主演进的 AgentOS 分层设计。
Action Map Policy:从高维动作回归到像素分类,一种新的机器人操作学习范式
本文介绍美国东北大学博士生黄浩杰提出的全新机器人操作学习范式Action Map Policy(AMP),将高维三维机器人动作转化为二维图像空间的像素分类问题,性能和推理速度均显著优于现有主流基线方法。
孪生素数猜想被GPT-6新突破!北大数学07级又出现了
OpenAI发布数学论文,宣布GPT-6 Astra在孪生素数猜想上有新进展,用Lean形式化证明把连续素数间距的上界从246推到186。此外,其3D生成效果出色,Codex还新增可搜索笔记功能。
我把斯坦福最火的一门课,做成了Prompt来帮我设计人生。
作者受《人生设计课》启发,将课程内容做成Prompt借助Claude辅助设计人生。此Prompt分四阶段,经多轮对话生成蓝图,含现状、问题、计划等,还提及原型行动和失败免疫,多位同事使用后有新感悟。