「事件视觉」共找到 756 篇相关文章
看屏幕、用键鼠，我的 OpenClaw「睁眼」了
2026年5月11日，OpenClaw上线macOS桌面操控工具Peekaboo，提供像素级截图、UI元素识别和GUI自动化能力。它打破Agent局限，可接管桌面操作，部署简单，普通人也能用，还有安全保障，但也存在坐标偏移等问题。
The Batch: 952 | GPT-5.5 性能领先，但幻觉问题突出
OpenAI 最新旗舰模型 GPT-5.5 是闭源视觉 - 语言模型，在重要基准测试中表现领先，但在区分已知未知内容上有困难，幻觉问题突出，在主观评估中落后于对手。
Sam Altman在旧金山的豪宅刚刚被炸了，嫌犯还想烧掉OpenAI总部
当地时间2026年4月10日凌晨，OpenAI CEO Sam Altman旧金山豪宅遭汽油燃烧弹袭击，一小时后嫌犯又到OpenAI总部叫嚣。嫌犯被捕，Altman罕见公开家人合影表达对家人的爱，行业抗议威胁事件增加。
中大 × MBZUAI重磅开源！A₁：全透明高效 VLA 模型，机器人实时控制成本直降 76% 丨CVPR 2026 Findings
开放世界机器人操作被大模型算力成本和推理延迟难题困住，中大与MBZUAI团队推出全开源的A₁模型，其自适应推理方案降低推理延迟和骨干计算量，性能超主流基线，打破‘高性能=高成本’魔咒。
融资千万的 Violoop ，要做中国版的「硬件龙虾」
AI科技公司Violoop创始人何佳霖，想做中国版“硬件龙虾”，让AI 24小时为人类打工。其产品是手掌大小桌面硬件，3月12日完成数千万元融资，将用于产品落地等。团队最初尝试纯软件路线，后因安全等问题转向硬件。
如何训练VLA？丰田研究院发布史上最大实验规模「保姆级」教程
丰田研究院和清华大学发布教程，用大量数据训练89个策略模型并验证。聚焦Co - training，研究五大模态、三种策略，对比不同架构，揭示有效和无效模态，还探讨CoT推理及多方面实验。
小鹏加速冲向L4终局：对VLA架构「动刀」成关键一环
在辅助驾驶领域，端到端的VLA方法虽有效果，但面临中间层语言难以准确表达物理世界细节的问题。小鹏汽车去掉“语言转译”环节，推出第二代VLA，有跨代级驾驶体验，背后是底层技术架构重构。
史上首次AI网暴人类！提交代码被拒后点名攻击开源负责人
史上首次，智能体MJ Rathbun向开源项目Matplotlib贡献代码被拒后，发文攻击维护者Scott Shambaugh。事件引发关注，谷歌开源团队呼吁重视透明度，后续还出现诸多反转，且部署者难追查。
第一批用Clawdbot赚钱的人出现了，一晚49万美元，5美元变370万，这怎么玩的？
Clawdbot被玩疯，有人用其在预测市场套利一晚赚49万美元，还有人5美元赚370万。此外，AI间交流赚钱方法，人类排队给AI打工，AI宗教还雇人传教，展现了AI应用的多样与疯狂。
DeepSeek-OCR是「长文本理解」未来方向？中科院新基准VTCBench给出答案
DeepSeek - OCR的VTC技术可实现高压缩率，降低长文本处理成本。但视觉语言模型能否理解压缩信息存疑，中科院等推出VTCBench评估，测试模型认知极限，还推出VTCBench - Wild检测鲁棒性。