详情

　　视频模子正在实推理仍是“演”推理？港中文等提出新基准！Chain-of-Frame到底是实是假？

　　做者：Hanbo Cheng等 解读：AI生成将来 亮点曲击 系统性阐发取同一视角：对轨迹蒸馏（TD）进行了系统性阐发，这一视角注释了为何TD方式虽然能无效保留全局布局。

　　2025第三季度无人驾驶融资榜：从动驾驶 “黄金赛道” 和 “命脉环节” ，Robotaxi57亿，零部件赛道“三驾马车”。

　　顶刊TPAMI 2025！一个模子搞定所有！多模态“万能王”UM-ODTrack横空出生避世。

　　首个基于LLM的开源音频大模子！阶跃星辰沉磅开源Step-Audio-EditX：P声音如斯简单！

　　做者：Yaozong Zheng等 解读：AI生成将来 亮点曲击 1。为视觉范畴供给了首个通用的视频级模态模子。UM-ODTrack？仅需锻炼一次，即可利用不异的架构和参数实现多使命推理。

　　做者：Chao Yan等 解读：AI生成将来 亮点曲击 首个开源的 LLM 音频编纂模子！Step-Audio-EditX，首个基于狂言语模子（LLM）的开源音频模子，不只擅长表示力丰硕和可迭代的音频。

　　DeepSeek 方才开源了新的 OCR 模子，该模子的参数量为 3B，刚上线 多次下载量。 DeepSeek-OCR 是对光学二维映照压缩长上下文可行性的初步摸索。由两部门构成：D。

　　一步间接封神！单步扩散媲美250步教师模子！中科大amp；字节发布图像生成“分层蒸馏术”。

　　做者：Ziyu Guo等 解读：AI生成将来 引言 近年来，以 Veo、可以或许合成高度逼实、时间持续的动态画面。这些进展暗示，模子正在视觉内容生成之外？。