「AI视觉创意大赛」共找到 10182 篇相关文章
刚刚，OpenAI开放GPT-4.1偏好优化DPO，ChatGPT能真正学会你的「品味」了！
OpenAI宣布GPT - 4.1全系列模型支持DPO微调，可让AI通过对比回答学会用户偏好。介绍了DPO原理、适用模型、数据格式、创建任务方法等，还提及开发者反应与技术要点。
别人在测 Demo，我已经用MiniMax M2.1跑通了整个产品开发流程
作者黄叔用自研产品「降噪」测试 MiniMax M2.1，从 Skills 优化、页面样式、沉浸式交互、智能搜索四个维度检验实战能力。结果显示 M2.1 优势明显，虽有不足，但已能满足多数日常开发任务。
MiniMax海螺视频团队首次开源：Tokenizer也具备明确的Scaling Law
MiniMax海螺视频团队首次开源，揭晓视觉分词器难题答案。其推出的VTP框架可提升模型性能，解决传统Tokenizer缺陷，还展示了Tokenizer的Scaling Law，为行业提供新路径。
750篇论文，彻底把统一多模态模型摸清了
未来迈向AGI需多模态AI系统。南大等联合发表综述，涵盖754篇文献。分析传统路线痛点，介绍统一多模态模型定义、技术路线、训练方法等，还提及应用场景及未来方向。
Nano Banana核心团队：图像生成质量几乎到顶了，下一步是让模型读懂用户的intention
这是对Nano Banana核心团队的专访。团队认为图像生成质量提升空间有限，未来关键在模型可表达性和读懂用户意图。还探讨了图像模型发展趋势、应用场景、产品设计、评估方式等，提及与传统工具将长期共存。
复旦等推出「第一人称视听基准」，补齐多模态模型「听觉拼图」
多模态大模型在真实世界会“失聪”，现有第一人称视频问答/理解基准长期偏“视觉中心”。复旦等团队推出首个系统评测第一人称声音理解能力的基准EgoSound，能让模型听懂世界，评测显示当前模型与人类差距大。
中国光芯片迎来“迈向高端”黄金窗口期
近期光芯片领域热度攀升，政策、产业、资本利好。AI算力爆发使光芯片从‘通信管道’升级为‘战略性资源’，需求大增但供给端短板凸显。本土产业链分层，高端赛道迎来突破窗口期，有三条主流技术路线。
追不上就直接买，马斯克600亿美元收购Cursor
马斯克旗下SpaceX官宣600亿美元收购编程神器Cursor，虽Cursor曾陷“套壳”争议，但双方各有所求。SpaceX在AI编程赛道追赶效果不佳，而Cursor受算力制约，二者一拍即合。此外，SpaceX计划上市，此时收购时机耐人寻味。
谷歌Chrome觉醒！Gemini 3全面接管，38亿用户一夜进入Agent时代
谷歌官宣所有桌面端Chrome浏览器接入Gemini 3，38亿用户的浏览器进化为全能AGI入口。此次更新改变人机交互方式，Chrome具备多种智能功能，如自动浏览、调用全家桶服务等，开启AI驱动的浏览时代。
Sam Altman OpenAI 星际之门与马斯克xAI Colosus 2谁更强？
马斯克与Sam Altman在X上晒自家数据中心进展。OpenAI星际之门项目初始投资5000亿美元，与Oracle新增算力；xAI Colossus 2占地大、建设快，预计几周上线，将成全球最大AI超算集群。