DeepMind近日发布了名为TIPS的新型图像-文本模型，专为密集型和全局视觉任务设计。该模型通过结合对比学习与掩码图像建模技术，并利用合成字幕进行训练，显著提升了空间感知能力。在多项基准测试中，TIPS的表现均超...

YouTube近日宣布，已将DeepMind的Veo 2技术整合至其Dream Screen功能中。这一创新举措使得用户能够通过简单的文本提示生成高质量的AI视频片段。Veo 2的加入不仅提升了视频生成的质量和效率，还为用户提供了更加丰富...

DeepMind近期在视觉语言模型（VLM）预训练领域取得了重大突破，将训练数据规模提升至前所未有的1000亿张图像。这一规模远超以往尝试，显著提升了模型在多样化全球任务中的表现。尽管在西方中心化任务上的性能已趋于...

谷歌DeepMind最近发布了一段视频，展示了微型人形机器人进行一对一足球比赛的能力。这些机器人不仅能够理解足球比赛的规则，还能预测球的运动方向以及何时拦截对手的射门。这段15秒的视频充分展示了DeepMind在机器人...

近日，DeepMind发布了一篇立场论文，探讨了如何衡量系统的“Agency”属性。论文指出，Agency的测量并非一个全局属性，而是依赖于特定的参考框架。这意味着，判断一个系统是否具有Agency，需要明确其所在的上下文和参考...

在深度学习领域，尤其是在自然语言处理和代码生成任务中，大型语言模型（LLM）发挥着至关重要的作用。近期的研究趋势显示，通过复制和学习各大顶尖代码助手的最佳实践，可以显著提升代码生成模型的性能和准确性。这...

随着人工智能技术的不断进步，音频生成领域正在迎来前所未有的突破。最新的研究成果显示，通过结合LLM和embedding技术，研究人员能够生成更加自然和富有表现力的音频内容。这一进展不仅为音乐创作、声音模拟等应用带...

前Google DeepMind的科学家在Artificial Agency揭示了一种用于视频游戏中动态NPC的AI行为引擎。他们已经筹集到了1600万美元，以提高游戏中的交互性。他们正在与知名的AAA工作室合作，并期待到2025年能够得到广泛的采...