「视频生成技术」共找到 5089 篇相关文章
3B Image Captioning小钢炮重磅来袭，性能比肩Qwen2.5-VL-72B
文章推荐Dense Image Captioning新技术CapRL，它首次将DeepSeek - R1强化学习法用于image captioning，创新定义reward。训练的CapRL - 3B模型性能比肩Qwen2.5 - VL - 72B，解决了reward设计难题，已开源相关内容。
实战·Agentic 上下文工程（上）：无需微调，让智能体自我学习与进化
在Agent时代，提示工程进化成上下文工程。斯坦福等团队提出Agentic Context Engineering（ACE），让智能体自我学习与进化。文章介绍了上下文工程的必要性、定义、常见策略，以及ACE的概念、原理与架构。
打造图像编辑领域的ImageNet？苹果用Nano Banana开源了一个超大数据集
苹果研究团队提出Pico - Banana - 400K数据集，基于Nano - Banana在OpenImages实拍照片生成编辑对。其系统化设计保证质量与多样性，还构建自我编辑评估流程，为图像编辑模型训练评测奠定基础。
奥特曼亲自操刀，为日韩定制「AI强国」蓝图
OpenAI近日接连发布《日本经济蓝图》和《韩国经济蓝图》，标志其亚太战略从「产品输出」升级为「国家级合作」。在韩提出「双轨战略」，在日以「三支柱」计划为核心，助力两国借AI提升全球地位。
教全世界与AI对话的男人，正式加入DeepMind！提示工程封神
全球最牛提示工程师Riley Goodside入职谷歌DeepMind，他曾凭和ChatGPT聊天年入百万。他认为ChatGPT发布是提示工程里程碑，提示工程可分上下文工程和提示词编程。
宇树最新机器人发布：1米8大高个，能跳舞会功夫，就是颜值一言难尽
宇树发布第四款人形机器人Unitree H2，身高180厘米，外观增加仿生人脸，更接近真人，但网友觉得其脸诡异。H2初舞台展示了跳舞、功夫、走秀，虽有进步，但舞蹈表现距“优雅”有差距，网友盼其能做家务。
挑战Claude code和Cursor：阿里Qoder对标全球，AI编程迎来“上下文”革命
AI编程工具爆发式增长，‘上下文’成实用化难题。阿里推出Qoder平台，结合大模型与Agent，可深度检索代码、理解上下文。本文采访Qoder团队工程师，解析其定位、成本、技术路线等关键问题。
RAG新王：AccurateRAG屠榜SOTA
大模型记不住私有或实时信息，RAG 落地遇难题。AccurateRAG 是 Qualcomm 团队端到端工程方案，有 4 个模块化组件，在 6 个数据集上刷新 SOTA，解决 RAG 文档解析、检索和生成难题。
3年手搓ChatGPT！剑桥天才少年在Minecraft游戏中爆火回归
MC大神sammyuri时隔3年发布新作，在MC中复刻ChatGPT，名为CraftGPT。虽参数量小，但用Transformer架构，能和用户交互。模型训练用Python和小数据集，视频存档公布助理解原理。
人形机器人企业穿越噪音
今夏，人形机器人产业曝光度达高点，质疑也随之而来。我国机器人企业未受干扰，仍积极探索。企业在实践中调整技术路线，深耕文化娱乐、工业和商业等不同落地应用场景，目标是让其走进家庭。