在最新的研究进展中，科学家提出了一种广义离散扩散方法，该方法显著改进了在文本等离散数据上的扩散过程。这一创新通过引入一种广义的去噪过程和略微改进的掩码方案，使得训练过程更加高效，并赋予了模型自我校正输...

近日，一项名为MovieAgent的创新技术引起了广泛关注。该系统通过结合多种生成模态，利用基于角色的提示（persona-based prompting）来确保生成内容的一致性和准确性。MovieAgent进一步使用Stable Diffusion视频模型...

近年来，随着多模态学习的发展，构建能够同时处理视觉和语言任务的嵌入模型成为研究热点。然而，传统基于对比损失的方法在处理硬负样本时往往表现不佳，导致模型在复杂检索任务中效果受限。近期，一项研究提出了一种...

Hugging Face与Yaak合作推出了L2D数据集，这是目前最大的开源多模态数据集，专为汽车人工智能（AI）领域设计。该数据集包含了从驾驶学校收集的专家和学生驾驶策略，并通过自然语言指令增强了空间智能模型的能力。这...

Reka公司近日开源了其最新推出的Reka Flash 3模型，这是一款拥有210亿参数的多功能模型，专门针对推理、聊天、编码和指令遵循等任务进行了优化。该模型在性能上与专有模型不相上下，并配备了32k的上下文长度，使其非...

OpenAI近日发布了一系列新工具，包括API和智能体SDK，旨在帮助开发者更轻松地构建AI智能体。该工具包集成了网络和文件搜索功能、计算机使用能力以及可观察性工具，显著简化了智能体的编排和任务自动化流程。这些新工...

近日，GitHub上发布了一项名为Perception Efficient Reconstruction的创新技术，该方法将文本查询能力与从图像中进行3D重建的技术相结合。该系统采用前馈模型（feed forward model），能够实现快速的三维重建。这一...

近日，一项名为MovieAgent的创新技术引起了广泛关注。该系统通过结合多种生成模态，并采用基于角色的提示机制，显著提升了视频生成的一致性和准确性。MovieAgent利用Stable Diffusion视频模型生成并拼接帧，从而实现...