谷歌云在Next 25大会上宣布Vertex AI迎来重大更新，其视频、图像、语音及音乐生成模型获得增强功能，显著提升企业创意工作流的智能化水平。谷歌AI推出面向企业的专用AI代理解决方案，通过优化任务自动化流程实现生产...

由Tianyi实验室发布的C3PO项目在GitHub开源了一种创新的测试时优化技术，该技术通过基于相似参考样本重新混合专家权重，显著提升了混合专家（Mixture-of-Experts，MoE）大语言模型的准确性。这一突破性方法不仅优化...

近期发表于arXiv的研究ThinkLite-VL通过创新性地应用蒙特卡洛树搜索（MCTS）技术量化样本难度，在视觉语言模型（VLM）领域取得突破性进展。该方法仅需11,000个训练样本即可显著提升模型推理能力，且无需依赖知识蒸馏...

近期，SilentView团队在GitHub开源了名为GigaTok的超大规模图像分词器项目，其参数量高达30亿（3B），在图像重建任务中展现出卓越性能。传统图像分词器在规模化过程中常面临性能崩溃问题，而GigaTok通过创新的解码器...

当前大多数针对连续信号的生成模型由于计算限制，通常需要在潜在空间中进行操作。然而，这项研究引入了一系列级联结构，使得生成过程可以直接在像素空间中进行。这一创新不仅显著提升了生成效率，还消除了对预训练变...

InteractVLM作为新一代视觉语言模型(VLM)，实现了从2D到3D的交互推理跨越。该模型通过创新性地利用强大的基础模型，结合多视角渲染技术，将2D推理能力提升至3D空间，能够精准分析人类与物体在三维环境中的接触关系。...

Delve近日正式推出计算机使用代理（Computer Use Agents）技术，该技术允许企业创始人和GRC（治理、风险与合规）团队自动捕获所有截图，以满足SOC 2（服务组织控制）合规要求。这一创新工具已在多个客户中取得显著成...

近日，Omnom发布了一款创新的自托管书签工具，该工具不仅支持传统的书签管理功能，还提供了可搜索的WYSIWYG（所见即所得）快照功能。用户可以通过Omnom轻松保存网页内容，并以快照形式存储，确保即使原始网页内容发...