视觉几何基础Transformer（Visual Geometry Grounded Transformer，简称VGGT）是一种前馈神经网络，能够直接从场景的一个、几个甚至数百个视角中推断出所有关键的3D属性，包括外部和内部相机参数、点云图、深度图以...

在医疗技术不断进步的今天，精准的剂量预测模型对于放射治疗至关重要。AAPM 2025挑战赛（GDP-HMM Challenge）旨在推动这一领域的发展，而最近在GitHub上发布的开源代码库为参赛者提供了宝贵的资源。该代码库不仅包含...

近日，DriveLMM-o1项目发布了一款全新的数据集和基准测试，旨在提升自动驾驶系统中逐步视觉推理的准确性和决策能力。该数据集通过模拟复杂的驾驶场景，为人工智能驱动的自动驾驶技术提供了更加精细的视觉推理支持。D...

DeepMind近日发布了一篇详细介绍DiLoCo跨数据中心训练算法扩展定律的论文。DiLoCo是一种强大的训练算法，能够在全球范围内同步梯度，确保模型训练的稳定性。该算法通过在多个数据中心之间进行分布式训练，有效提升了...

随着技术的飞速发展，2025年的职业市场将迎来前所未有的变革。LLM、agent、embedding、LoRA和RAG等技术的广泛应用，正在重塑各行各业的职业需求。专家预测，未来的职业发展将更加依赖于技术能力，尤其是对新兴技术的...

近日，TaylorSeer团队提出了一种利用泰勒级数扩展来预测扩散模型中未来时间步特征的新方法，显著减少了特征缓存中的误差。扩散模型在生成图像、声音和其他复杂数据方面表现出色，但其计算复杂度和资源消耗一直是制约...

近日，分布式计算公司Prime Intellect宣布成功完成1500万美元的融资。此次融资将用于进一步推动其分布式训练方案的发展。Prime Intellect致力于通过分布式计算技术优化大规模数据处理和模型训练的效率，其独特的分布...

近期，技术界对o1、o3以及Sonnet 3.7的集体幻觉现象展开了深入讨论。这一现象不仅引发了广泛关注，还促使研究人员重新审视这些技术的潜在问题。o1、o3和Sonnet 3.7作为当前领先的技术模型，其表现出的幻觉行为可能对...