「设计领域Agent」共找到 5181 篇相关文章
超越英伟达Describe Anything！中科院 & 字节联合提出「GAR」，为DeepSeek-OCR添砖加瓦
中科院与字节联合提出「GAR」，为构建自然图像的Dense Caption提供新思路。GAR具备精准描述、关系建模和组合推理能力，通过引入新组件，兼顾细粒度与全局上下文，在多测试集表现优异，且代码等已开源。
VAE再被补刀！清华快手SVG扩散模型亮相，训练提效6200%，生成提速3500%
前脚谢赛宁宣告VAE在图像生成领域退役，后脚清华与快手可灵团队就推出无VAE潜在扩散模型SVG。它通过语义+细节双分支+分布对齐，实现多任务通用，训练提效62倍、生成提速35倍。
奥特曼考虑给ChatGPT加广告了！用8亿用户，救万亿债务
OpenAI凭ChatGPT有8亿周活与约130亿美元年收入，因订阅难覆盖成本考虑加广告，还获软银巨额投资，豪赌算力扩张；Anthropic低调攻企业，Claude在专业领域强，收入逼近OpenAI一半，打法稳健。
破解空间智能数据稀缺难题，影石开源DiT架构全景生成模型，在线可玩
影石研究院团队推出基于DiT架构的全景图像生成模型DiT360，设计分层混合训练框架，结合透视与全景图像数据，提升真实感和几何一致性。它支持多任务，优于现有方法，为三维场景生成提供新思路。
CoT 之后，CoF 如何让帧间逻辑从「隐式对齐」变成「显式思考」？
CoT 虽提升语言模型推理能力，但在 C 端场景有局限，且被质疑并非真实推理。视觉领域提出 CoF 概念，Google DeepMind 团队引入理论，让视频模型通过帧链推理提升帧间一致性，还具强大泛化能力。
北大 & 作业帮团队提出 Text-to-SQL 新框架 Interactive-T2S，攻克宽表处理与低资源对齐难题
北大与作业帮联合研发的论文提出 Interactive-T2S 框架，将 LLM 塑造成智能代理，通过多轮交互解决传统 Text-to-SQL 方法在宽表处理、低资源对齐等方面的难题，已入选国际顶会 CIKM2025。
这家“小众”赛道的无人驾驶公司，刚刚融了两亿
踏歌智行宣布完成C+轮融资，超2亿元，投资方有信泰人寿旗下基金等。国务院推动‘人工智能+’，矿山无人驾驶是关键领域。踏歌智行在露天矿无人驾驶运输优势明显，融资将用于研发和建产业化基地。
国产模拟芯片迎来升维关键时刻
企业上半年财报显示，2025年模拟芯片正走出周期性低谷。国内厂商面向新兴场景，从多维度创新，向高端领域渗透，但在高端市场、产品矩阵、人才和生态方面与国际企业有差距，需把握创新方向。
没想到，音频大模型开源最彻底的，居然是小红书
近几个月，开源成AI社区焦点，国内厂商七八月开源多款大模型，但音频生成占比小。小红书技术团队自去年起在音频领域稳定开源，成果覆盖TTS、ASR方向，具商用属性，降低落地门槛。
对话经济周期大师拉斯·特维德：AI 创造了万亿价值，但在统计上，你我可能都因它而“变穷”了
本文是对经济周期大师拉斯·特维德的访谈。他与他人合著《超智能与未来》，写作中大量用AI。他认为AI如工业革命，虽创造巨大价值，但面临能源挑战，且经济周期仍会存在，还探讨了AI对社会各方面的影响。