KV（键值）缓存是大型语言模型（LLM）推理过程中的关键技术，通过存储注意力计算的中间结果显著提升生成效率。以逐词生成"Time flies fast"为例，传统方式需在每个步骤重复计算"Time"和"flies"的注意力权重，而采用K...

字节跳动旗下TikTok母公司最新发布的Seedance 1.0模型在文本生成视频（text-to-video）和图像生成视频（image-to-video）两项核心任务中均位列榜首，其性能表现超越谷歌Veo 3与OpenAI Sora等业界标杆。该模型仅需41...

Anthropic首席执行官Dario Amodei近日发出预警，人工智能可能在五年内消灭50%的初级白领岗位，导致失业率飙升至10-20%。这位AI领域权威专家特别指出，科技、金融、法律和咨询行业将面临"白领岗位大清洗"。Amodei强调...

OpenThinkIMG项目为视觉语言模型(VLMs)提供了革命性的视觉工具调用框架，其核心技术突破体现在三个方面：首先，通过动态推理机制实现多工具链式调用，使AI能根据图像内容自主选择处理工具；其次，创新的V-ToolRL强化...

一篇题为《Dummy's Guide to Modern LLM Sampling》的技术指南近期在开发者社区引发热议，该文章系统性地解读了现代大语言模型(LLM)中的采样技术。作为自然语言生成的核心组件，采样策略直接决定了文本输出的质量和...

人工智能研究机构Inception Labs近日正式发布了商用级扩散语言模型Mercury，标志着自然语言处理技术向大规模商业化应用迈出重要一步。该模型基于先进的扩散概率模型框架，通过多阶段训练策略实现了文本生成的稳定性...

谷歌最新宣布，Gemini Advanced用户即日起可利用Veo 2模型实现文本到视频的AI生成能力。这项突破性技术可将自然语言描述直接转化为1080P分辨率、具有电影质感的动态影像，标志着多模态AI在视频创作领域的重大进展。V...

研究人员通过渐进式渲染蒸馏技术（Progressive Rendering Distillation），成功开发出无需真实3D网格数据即可从文本提示生成高质量3D模型的新方法。这一名为TriplaneTurbo的创新系统仅需1.2秒即可完成生成，在速度和...