「视频推理数据集」共找到 4965 篇相关文章
视觉生成的另一条路：Infinity 自回归架构的原理与实践
本文整理自字节跳动韩剑在AICon 2025北京站的分享，以Infinity为例介绍自回归视觉生成原理，对比其与扩散模型，展示Infinity升级方案成果，它在高分辨率文本到图像任务能与扩散模型竞争。
Meta打碎Transformer 8年铁律！改写AI最底层规则，模型首次冒出潜意识
Meta推出「自由Transformer」新模型，打破自2017年以来GPT模型核心规则，在解码器引入潜在随机变量Z，增加“潜意识”。仅增约3%计算开销，在多测试中超越大规模模型，或开启后自回归时代。
69 页最新报告丨AI Agent 圣经：智能体的终极指南
AI Agent 定义下一轮科技创新浪潮，众多公司积极布局。CBINSIGHTS《AI Agent Bible》报告梳理其前景趋势，含六大预测与生态版图，解析市场格局等，还展示智能体重塑企业运营方式。
京东AI一揽子开源！超多核心项目全开源，GitHub万star项目也有新进展了
京东系统性开源系列AI能力，从大模型到Agent等。JoyAgent 3.0升级，开源DataAgent和DCP模块；OxyGent多智能体框架让开发者自由组合。还有京医千询2.0等，意在推动AI在各行业落地。
从Apache顶级项目到创业征程:一个开源人的坚守与突围
作者王华杰将个人项目 StreamPark 捐给 Apache 成顶级项目，现又踏上创业路。他讲述项目成长历程，还推出基于此的 Awestream 平台，有提升开发效率等特性，助力企业实时计算。
别光看 Claude 多厉害！Anthropic 内部拉响警报：“AI 的经济冲击比想象的更危险！”
Anthropic宣布启动‘经济未来计划’，作为‘经济指数’扩展，聚焦深入实证研究、推动数据驱动政策制定、完善经济衡量工具，还将与独立机构合作，现已开放合作申请。
重磅！Telegram官宣Grok将登陆！Ton应声暴涨16%
Telegram创始人宣布与xAI达成1年合作，将Grok AI集成到应用中，今年夏天用户可使用。Telegram获3亿现金加股权及50%订阅分成，此合作改写聊天应用格局，也引发用户不同反应。
12秒生成1万token！谷歌推出文本「扩散模型」Gemini Diffusion，研究员：演示都得降速看
谷歌将图像生成常用的“扩散技术”引入语言模型，推出Gemini Diffusion，12秒能生成1万tokens，速度比Gemini 2.0 Flash - Lite更快。它通过逐步优化噪声学习生成输出，目前是实验性演示，可申请体验。
狂揽 9.9K star！比Selenium更好用的网页自动化利器，功能超强，太6了！
本文分享开源项目 SeleniumBase，它包装 Selenium 的 WebDriver API，功能强大。支持主流浏览器，内置测试框架，能搞定防爬检测。有智能等待等特色，安装简单，GitHub 有大量示例。
HTML正在成为 AI 办公的新载体？WorkBuddy 升级了一个关键能力
WorkBuddy升级“资料库”功能，普通用户不用写代码，用自然语言就能生成、编辑和发布HTML页面。用户能做书影音地图、播客可视化网站等，HTML可人机协同编辑，还能实现知识沉淀。