字节跳动旗下TikTok母公司最新发布的Seedance 1.0模型在文本生成视频（text-to-video）和图像生成视频（image-to-video）两项核心任务中均位列榜首，其性能表现超越谷歌Veo 3与OpenAI Sora等业界标杆。该模型仅需41...

OpenAI首席执行官Sam Altman近期发表题为《温和奇点》的专题文章，系统阐述了人类即将构建数字超级智能（Digital Superintelligence）的技术前景与社会影响。该文通过逐段解构发现，Altman试图传递一种审慎乐观的技...

强化学习预训练（Reinforcement Pre-Training, RPT）作为大语言模型（LLM）与强化学习（RL）协同进化的前沿技术，提出了一种革命性的规模化训练范式。该技术通过创新性地利用海量文本数据进行通用强化学习预训练，在...

LLaVA-STF项目通过创新的相邻令牌合并技术和多区块令牌融合模块，成功将视觉令牌序列压缩75%，显著提升了多模态推理效率。该技术突破性地解决了视觉语言模型中长序列处理带来的计算资源消耗问题，通过动态合并语义相...

开源多媒体框架FFmpeg近日在其代码库中正式合并了对WebRTC（Web实时通信）技术的支持（提交哈希：167e343bbe75515a80db8ee72ffa0c607c944a00），这一重大更新标志着FFmpeg开始深度整合现代实时音视频通信能力。WebRT...

来自arXiv的最新研究论文提出了一种名为DIME（Diffusion-based Interdependent Medical Effects）的突破性模型，该模型利用扩散模型技术构建医疗领域的联合概率分布预测框架。这项研究通过深度学习中的扩散过程，首...

GitHub开源项目Microsandbox提出了一种创新性解决方案，旨在通过自托管平台安全执行不受信任的用户/AI代码。该项目通过技术架构优化，使虚拟机获得接近容器的轻量级性能表现，同时保留完整的沙箱隔离安全性。其核心...

来自arXiv的最新研究提出ICYM2I框架，通过逆概率加权技术解决多模态模型在数据缺失场景下的信息增益评估偏差问题。该研究针对医疗影像、自动驾驶等依赖多源数据融合的前沿领域，首次系统性地建立了缺失模态条件下的...