Elon Musk的人工智能公司xAI正在提升其Grok聊天机器人的能力，使其能够支持多模态输入。此举将允许用户上传照片，并获得基于文本的回答。这一功能的加入不仅会拓宽Grok的应用场景，还将提高其在用户交互中的智能化水...

LeMeViT是一种新的方法，通过使用可学习元令牌来降低视觉Transformer的计算成本。这些元令牌能够高效地捕捉关键信息，从而显著提高推理速度。与传统的视觉Transformer相比，LeMeViT在保持高精度的同时，大幅减少了计...

OpenAI近日宣布暂停ChatGPT-4o的“Sky”语音模式，此举是因为该模式被指涉嫌模仿2013年电影《Her》中斯嘉丽·约翰逊的声音。斯嘉丽·约翰逊本人也正在对这家人工智能公司采取法律行动。这一事件引发了广泛关注，许多人质...

理解3D场景中物体的位置是一个具有挑战性的问题。然而，通过使用语言引导的3D理解，我们可以精确地为3D空间中的物体标记语义标签。语言引导的3D理解是一种新的技术，它允许我们通过使用特定的语言描述，更准确地确定...

人工智能在生成艺术2D图像方面的运用早已让人们感到趣味盎然和富有创造力。而这项新的工作，将这种能力扩展到了3D领域，通过高斯喷射技术，以文本输入作为导向，使艺术场景生成更上一层楼。这种技术的出现，无疑为艺...

谷歌DeepMind近日推出了一项名为“先锋安全框架”的新技术，以应对未来先进AI模型可能带来的风险。这个框架确定了对可能有害的AI能力的关键能力级别（CCLs），并根据这些CCLs对模型进行评估，当达到阈值时，应用缓解策...

不管你是学习编程、投资、还是其他任何领域，学习基础知识总是比学习具体知识更有价值。学习基础知识可以让你掌握一些通用的规则和技能，这些规则和技能可以应用于许多情况下。相比之下，学习具体知识只能帮助你解决...

现在，您可以使用GPT-Fast实时运行最新的Google VLM。这为我们打开了一扇强大的大门，因为该模型非常容易为特定任务进行微调。这意味着，我们可以轻松地将其应用到各种下游任务中。PaliGemma的实时运行不仅能够提高...