「类脑视觉技术」共找到 3369 篇相关文章
我在OpenAI修中文
OpenAI研究科学家陈博远介绍GPT Image 2官网博客花絮，分享模型训练、测试情况，还展示亲手制作的官网图片，包括中文彩蛋、漫画、杂志页等，体现模型文字渲染、视觉推理等能力。
成本砍半！国产黑马攻破机器人「瘫痪」难题，大厂纷纷上车
深圳机器人产业生态优越，产业链完整。小象电动聚焦轴向磁通路线，实现技术突破，累计出货近7万台，进入华为等大厂供应链，完成超亿元融资，体现深圳产业链整体优势。
刚刚，Anthropic分享了构建Skills的最佳实践
Anthropic获300亿美元融资，估值达3800亿美元，发布《The Complete Guide to Building Skills for Claude》指南。介绍Claude Skills本质、与MCP关系、应用场景、技术实现、设计模式及测试迭代方法。
LeCun力荐的JEPA杀入LLM，用CV的思路训练LLM，性能鲁棒性双丰收
LeCun团队提出LLM - JEPA，将JEPA自监督学习架构从视觉扩展到LLM。它能提升性能和鲁棒性，在多模型和数据集验证有效，但有训练开销大、泛化性不足等局限。
突破通用领域推理的瓶颈！清华NLP实验室强化学习新研究RLPR
现有基于可验证奖励的强化学习（RLVR）应用范围局限，清华自然语言处理实验室提出 RLPR 技术，通过 Prob - to - Reward 提高概率奖励质量，有领域无关等特点，相关代码等已开源。
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。
被DeepSeek带火的OCR，最新8个开源模型盘点~
DeepSeek-OCR发布让OCR大热，PaperAgent梳理盘点8个热门开源OCR模型，如DeepSeek-OCR用‘上下文光学压缩’技术，Nanonets-OCR2-3B以零样本视觉链式思维为核心等。
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。
“十五五”时期中国芯片三个着力点
中国集成电路产业近十年‘自主可控’取得阶段性成果，但也面临风险挑战。‘十五五’时期，产业应推动供应链从自主到全球融合赋能、创新链从跟随到技术主权觉醒、产业链从脱节到全链协同共振。