近日GitHub平台出现名为Sora MCP的开源项目，该项目通过构建MCP（模型控制协议）服务器，首次实现大型语言模型直接调用Sora视频生成API的技术突破。该工具使LLMs具备创建Sora视频、实时查询生成状态、将生成视频下载...

埃隆·马斯克旗下人工智能公司xAI正式推出新一代多模态模型Grok 4 Fast，该模型突破性地实现了200万token的上下文窗口容量，成为当前业界最大上下文处理能力的模型之一。其革命性在于采用统一架构同时整合了推理模式...

最新发布的深度研究报告系统性地揭示了GPT-4o、Claude、Llama等五大主流大语言模型在代码生成领域的独特“人格特征”。该研究不仅量化分析了各模型在代码生成任务中的优势领域和错误倾向，更首次提出了LLM编程原型分类...

近期，一种结合Git Worktrees和Tmux的并行化技术正颠覆开发者使用AI编程助手的传统模式。该技术通过创建多个Git工作树实现并行代码生成，配合Tmux终端复用工具管理进程，显著提升了大语言模型（LLM）的代码生成吞吐...

近日，FoD研究团队提出了一种基于均值回归随机微分方程的前向生成建模框架（Forward-Only Diffusion）。该技术突破性地实现了非马尔可夫采样过程，在图像生成任务中以更少的迭代步骤达到业界竞争力水平。传统扩散模...

字节跳动最新发布的开源多模态基础模型BAGEL在技术领域引发广泛关注。该模型原生支持多模态理解与生成任务，在开源统一模型中表现优异。BAGEL展现出先进的跨模态推理能力，包括图像编辑、3D场景操作和世界导航等复杂...

最新研究发现，大语言模型（LLMs）虽然在单轮对话中表现优异，但在多轮对话场景下性能显著下降。这项发表在arXiv上的研究通过大规模模拟实验揭示了这一现象：在六项生成任务中，LLMs的多轮对话表现平均下降39%。研究...

近日，GitHub上开源了一个名为DDT（Decoupled Diffusion Transformer）的项目，该项目实现了一种结合Transformer和扩散模型的新型架构。该架构采用Encoder-Decoder设计，其中Decoder部分由扩散模型构成。初步实验表...