「图像定制」共找到 621 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。
Bug变奖励：AI的小失误，揭开创造力真相！
最新研究发现，AI的「创造力」并非额外能力，而是架构副作用。扩散模型本应是复制机器，却画出奇怪图像。研究者基于规则构建数学系统，证明了这一观点，还推测人类灵感或许同理。
香港中科院发布聆音大模型，400万张图喂出个“AI超声神医”
中国科学院香港创新研究院发布超声大模型“聆音”，用超400万张图像的超声数据集，经自监督学习训练。它在多项诊断任务破纪录，临床效果佳，还将模型等开源，有望推动领域发展。
英伟达斥资50亿美元入股英特尔
18日，英伟达与英特尔宣布深度合作，联合开发产品。英伟达将斥资50亿美元入股英特尔，双方以NVLink技术连接架构，合作聚焦数据中心和个人计算领域，旨在提升运行效率，填补产品空白。
笑死，人形机器人运动会全是鬼畜名场面！这锅粥大家来趁乱喝了吧
首届人形机器人运动会在国家速滑馆举行，现场状况频出，如机器人撞人逃逸、摔倒、抢球混战等。比赛项目多样，包括足球、拳击等。解说重点是AI知识，比赛规则也为机器人量身定制。
一个模型超了DeepSeek R1、V3，参数671B，成本不到350万美元
Deep Cogito 是旧金山 AI 初创公司，开源四款混合推理模型。最大 671B MoE 模型性能超 DeepSeek v3 等，推理链比 DeepSeek R1 短 60%，训练成本不到 350 万美元。核心方法是迭代蒸馏与增强。
刚刚，这家帮某爆款潮玩出海的企业，发布首个全球营销AI Agent
钛动科技在WAIC推出全球首个营销AI Agent产品Navos，可在创意、投放、数据分析等营销全链路环节赋能，实现智能广告投放与账户管理，已在客户中实现降本增效，预计下半年正式发布。
强化学习也能预训练？效果可提升20倍，华人新作引爆RL新范式!
伯克利团队提出新方法InFOM，不依赖奖励信号，能在多任务中超强迁移与推理。在36个基于状态和4个基于图像的任务测试中，InFOM表现出色，在jaco任务上改进达20倍。
这张信息图，居然是8B开源模型做的？？
商汤新开源的 8B 多模态模型 SenseNova U1，架构独特，图像评测表现好，信息图生成能力强、延迟低。它具备图文交错能力，适合自媒体、敏感行业等，有在线体验和开源代码入口。
AI的七窍打通了！谷歌发布Gemini Embedding 2原生多模态嵌入模型
谷歌发布Gemini Embedding 2新型基础架构，将文字、图像等数据整合到统一维度，终结旧工作流。该系统赋予机器五维感知，建立跨媒介沟通语言，提升运行效率，在多场景有应用潜力。