搜索
近日，一家名为 CraftStory 的 AI 初创公司推出了 Model 2.0 视频生成系统，凭借可生成长达五分钟的富有表现力、可媲美专业水准、以人为中心的视频，破解了困扰 AI 视频生成行业长久以来的「视频时长」难题，引起热议，并被视为或将是 OpenAI 的 Sora 和 Google 的 Veo 的强有力竞争者。
多模态大模型（MLLM）在自然图像上已取得显著进展，但当问题落在图表、几何草图、科研绘图等结构化图像上时，细小的感知误差会迅速放大为推理偏差。
在大多数人眼中，《我的世界》（Minecraft）只是一款自由度极高的沙盒游戏。 而在香港科技大学（广州）与腾讯联合团队的眼中，它却是一座可以演练通用人工智能的“数字练兵场”。
就在刚刚，也许是目前最强的开源蛋白质结合剂AI设计工具，登上Nature。瑞士洛桑联邦理工学院、美国麻省理工学院等研究人员在Nature上发表了题为One-shot design of functional protein binders with BindCraft的论文。
随手拍的一张图，就能秒变3A级游戏大作？！ 刚刚，腾讯全新开源游戏视频生成框架Hunyuan-GameCraft，专为游戏环境设计，让任何人都能轻松搞定游戏制作。
GPT-5要来了，来势汹汹！泄露的基准测试+Minecraft实测，直接让全网惊掉下巴：代号Zenith的GPT-5-pro在游戏中如行云流水，被称为「魔法级AI」。更有爆料称它将于7月31日发布，吊打Grok 4 Heavy！OpenAI这是又要掀桌了？
首个工程自动化任务评估基准DrafterBench，可用于测试大语言模型在土木工程图纸修改任务中的表现。通过模拟真实工程命令，全面考察模型的结构化数据理解、工具调用、指令跟随和批判性推理能力，研究结果发现当前主流大模型虽有一定能力，但整体水平仍不足以满足工程一线需求。
近年来，多模态大模型（MLLMs）发展迅猛，从看图说话到视频理解，似乎无所不能。
近年来，基于智能体的强化学习（Agent + RL）与智能体优化（Agent Optimization）在学术界引发了广泛关注。然而，实现具备工具调用能力的端到端智能体训练，首要瓶颈在于高质量任务数据的极度稀缺。
在高质量视频生成任务中，扩散模型（Diffusion Models）已经成为主流。然而，随着视频长度和分辨率的提升，Diffusion Transformer（DiT）模型中的注意力机制计算量急剧增加，成为推理效率的最大瓶颈。