「Gemini桌面端」共找到 1180 篇相关文章
ETT：打破原生多模态学习视觉瓶颈，重塑视觉tokenizer优化范式
本文由多机构联合完成，针对传统视觉 tokenization 方法优化与下游任务训练割裂问题，提出 ETT 调优方法。它实现联合优化，在多模态理解、生成、重构任务表现出色，虽有局限但带来新突破。
Transformer论文作者之一Noam Shazeer宣布离开Google，加入OpenAI
6月18日，Google DeepMind工程副总裁、Gemini模型联合负责人Noam Shazeer宣布离开Google加入OpenAI。他是Transformer架构提出者之一，技术实力强。Google曾花27亿美元请他回归，仍没留住。
OpenAI 关键九问：2026 AI 战局升级后迎来叙事反转
文章围绕OpenAI提出九个关键问题并给出判断。虽受Gemini影响，面临竞争，但作者对其2026年叙事反转有信心，还分析了用户增长、业务布局、技术突破等方面情况。
花几百万开发布会结果无人问津？或许你该看看这个…
2025年科技公司意识到技术需被看见。发布会等传统传播方式遇冷，科技内容融入生活日常。抖音在科技传播竞争中站到中央，通过创作者视频让技术直观呈现，解决企业从产业到大众认知转化难题。
DeepSeek-OCR是「长文本理解」未来方向吗？中科院新基准给出答案
DeepSeek-OCR的视觉文本压缩技术降低长文本处理成本，中科院自动化所等团队推出VTCBench基准测试评估模型视觉认知，含三大任务及衍生版本，测试结果有‘U型曲线’，还评测多种尖端模型。
Github斩获1.8K 星！！再见了按键精灵，Windows-MCP开源了！
今天介绍超酷开源项目Windows - MCP，它让AI与Windows系统互动，支持Win7到Win11。功能强大，不挑大模型，工具全、轻量开源、扩展性强。还给出安装步骤，不过使用时要谨慎。
谷歌开源结构化信息提取神器！4K+ Star，精准定位+交互式可视化！
在医疗、法律等领域，手动从非结构化文本提取信息费力，传统NLP工具需复杂训练。谷歌开源的LangExtract是高精度信息抽取Python库，能自动提取结构化信息，有精确源定位等功能，还给出使用示例和典型场景。
突发！谷歌 AI 大换血：Hassabis 卸任 CEO、Jeff Dean 离职创业
谷歌 AI 高层大换血，Demis Hassabis 卸任 Google DeepMind 的 CEO 转任主席兼 Alphabet 首席科学家，传奇工程师 Jeff Dean 离职创业，创办 Discovery Loop 做「自动化科学发现」。
Speech LLM 的下一个突破口：你的语音大模型可以是个「带韵律的文本模型」
语音大模型存在‘模态代沟’致性能‘降智’，此前两波改进未根本解决。香港中文大学论文提出TextPro - SLM架构，从输入端破局，仅用约1000小时数据就实现低‘模态代沟’，对多模态模型设计有启发。
火爆全网的Skills，终于有了最简单的打开方式。
扣子更新到2.0版本，上线Skills和长期计划功能。Skills很火但现有支持产品对普通人门槛高，扣子降低了其使用和创建门槛，还提供两种创建方式；长期计划能帮用户定目标做规划，但有一些不足。