搜索：视觉强化学习

「视觉强化学习」共找到 2041 篇相关文章

干掉同传？谷歌把AI同传放入所有耳机，顺手发了个颠覆性的AI浏览器

Google加速将Gemini融入核心产品线，向Google翻译引入其能力，带来实时语音翻译Beta版，提升文本语境理解，扩展语言学习工具；还推出实验性浏览器Disco，用AI重构网页浏览体验。

10月28日，OpenAI投资的1X Technologies推出的家用人形机器人NEO开售，早鸟价20000美元/台，也可月租。它硬件出色、AI驱动，能对话、处理家务并持续学习，核心是升级的硬件平台。

英国Bristol大学胡老师分享56岁大叔博士答辩考核体验。大叔工作扎实、演讲强，年轻时因条件搁置读博梦，现子女毕业有积蓄便追梦。作者对此事有诸多感触，还提及AI学习市场。

NVIDIA开源ProtoMotions3框架，用经典自回归预测和物理仿真，让高级行为涌现。它能助力机器人多方面学习，有望降低人形机器人开发门槛，虽处研究阶段，但提出新思路。

中山大学梁小丹团队提出《ProPhy: Progressive Physical Alignment for Dynamic World Simulation》，通过分层建模和逐步对齐，引入视觉语言模型作监督，解决视频生成模型物理建模问题，提升物理正确性和视频质量。

上海人工智能实验室等团队针对图像编辑AI提出问题，推出RISE任务及配套评测基准RISEBench。测试九个视觉编辑模型，结果显示当前模型完成复杂指令能力欠缺，闭源与开源差距大。

新晋顶流Agent Lovart火爆全网，可一句话搞定专业视觉设计，支持二次编辑。量子位实测其设计能力强，背后是多模型融合调度。它定位人机协作，适合中小企业，官网可申请内测。

Meta研究团队论文结合哥德尔机思想与达尔文开放算法，提出达尔文哥德尔机，进而定义超级智能体Hyperagents。它能持续自我迭代，实现元学习，实验证明其能有效自我提升，且改进有迁移性。

DeepSeek发布论文DeepSeek - OCR 2，指出传统AI看图方式有误，提出视觉因果流概念。其两阶段级联推理解法效果显著，还可能整合进即将发布的DeepSeek V4，有望实现原生多模态。

西门子与腾讯优图联合团队提出AdaptCLIP通用视觉异常检测框架，不改动CLIP主干，引入轻量适配器。它兼容零样本/少样本推理，在12个数据集评估表现优，兼顾精度与部署需求。