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...

近日，一项名为Zero-codegen的技术引发开发者社区广泛关注。该技术实现了无需代码生成和编译步骤，直接在TypeScript中完成Protobufs的类型推断。这一突破性进展显著简化了开发流程，使开发者能够更高效地在TypeScrip...

近日，图像生成领域取得了一项重要技术突破，成功解决了长期困扰业界的'大象难题'。这一突破性进展标志着生成式AI在图像合成质量与逻辑一致性方面迈上了新台阶。研究人员通过改进LLM与扩散模型的协同机制，结合创新...

最新研究显示，基于大型语言模型的AI智能体正在成为网络安全领域的新型威胁载体。麻省理工科技评论报道指出，这些智能体不仅能执行复杂的网络攻击，还可能规模化实施勒索软件等恶意操作。为应对这一趋势，LLM Agent...

Geometry Crafter 是一种前沿的几何估计模型，它创新性地利用视频扩散作为先验信息，实现了时间维度上的一致性几何估计。该技术能够以约1.5帧/秒的速度完成完整点云估计，同时具备精确的相机姿态估计能力。这一突破...

Open Hands团队最新发布的32B参数代码模型（Open Hands LM-32B）在强化学习（RL）训练框架下，基于Qwen架构实现了突破性进展。该模型在代理编码任务（agentic coding tasks）中的表现已超越许多参数规模更大的竞品，...

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...