InteractVLM作为新一代视觉语言模型(VLM)，实现了从2D到3D的交互推理跨越。该模型通过创新性地利用强大的基础模型，结合多视角渲染技术，将2D推理能力提升至3D空间，能够精准分析人类与物体在三维环境中的接触关系。...

谷歌宣布其新一代多模态大模型Gemini 2.5 Pro正式进入公测阶段，开发者现可通过Google AI Studio的Gemini API进行体验，而企业级平台Vertex AI的支持也即将上线。作为Gemini系列的最强版本，2.5 Pro在跨模态理解、长...

近期AI生成的吉卜力风格视觉作品引发热潮，导致OpenAI服务器负载激增，同时引发了关于AI时代创造力本质的深刻讨论。虽然人工智能能够快速生成具有艺术性的图像，但它缺乏人类体验和综合复杂思想与情感的能力。专家指...

DeepSeek最新研究论文《Inference-Time Scaling for Generalist Reward Modeling》提出了一种创新方法，通过推理时缩放技术优化奖励模型，从而引导更强大的推理模型生成。该技术标志着这家中国初创公司的一项战略布...

清华大学智能图形学与几何计算实验室（THU-MIG）在GitHub上开源了名为Large Small Net（LSNet）的新型轻量级视觉模型家族。该模型创新性地借鉴了人类视觉系统的动态异尺度处理能力（"See Large, Focus Small"机制）...

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，...

谷歌DeepMind团队最新发布的Gemini 2.5 Pro人工智能模型在LMArena基准测试中以显著优势领先。该模型通过增强推理能力实现了性能和准确性的双重突破，其核心创新在于采用类似人类'思维链'的进阶分析决策机制。作为Gem...

最新发表于arXiv的论文提出两种利用扩散模型生成图像回归任务中反事实解释的创新方法。研究团队通过对比像素空间和潜在空间两种技术路径，系统性地揭示了不同方法在解释稀疏性和生成质量之间的权衡关系。该方法突破...