「视觉定位分割」共找到 967 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。
QoderWork Design 上线，设计即代码，不输 Claude Design
阿里 QoderWork 上线设计工作台，定位用自然语言做专业设计。与 Claude Design 接近平手且小有优点，有 140 种风格参考，画笔和 Nudge 工具方便修改，产出可直接用于开发的工程文件。
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。
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。
中国科幻大会聚合力 铸就首钢园未来产业新高地
2026第十届中国科幻大会3月27日开幕，这是该盛会第六次落地首钢园。自2020年结缘，首钢未来数字空间创新高地渐成实景。首钢聚焦科幻等新质生产力领域，构建多元体验矩阵，以“会”聚产，推动科幻产业生态繁荣发展。
MySQL复制延迟终结者：AliSQL 高效AI诊断和四大内核级优化
MySQL主从复制延迟损害实例可用性和时效性。AliSQL引入AI诊断定位原因，针对大表DDL、大事务、批量数据处理和小事务高并发四类场景，进行内核级优化，消除复制延迟。
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。
倒反天罡：「租个人」网站爆火，AI开始雇人「跑腿」了
「rentahuman.ai」网站定位为「AI 的肉身层」，AI 可通过 MCP 协议或 REST API 雇人完成线下任务。网站上线后人力增长快，但也引发付款、任务真实性、安全伦理等疑问。