纽约大学研究团队通过INT-ACT测试套件全面评估了当前先进的视觉-语言-动作机器人模型，发现了一个普遍存在的"意图-行动差距"问题：机器人能够正确理解任务和识别物体，但在实际动作执行时频频失败。研究还揭示了端到…详细

机器人技术视觉-语言-动作模型泛化能力评估

北卡罗来纳大学教堂山分校研究团队提出MEXA框架，通过动态选择和聚合多个专业AI模型来处理复杂的多模态推理任务。该方法无需额外训练，在视频理解、音频分析、3D场景理解和医学诊断等多个基准测试中显著超越现有模型…详细

多模态推理专家聚合视频理解

孟买工程学院研究团队开发出突破性的多语言情感语音合成系统，能实现印地语与英语间的实时口音切换，同时准确表达多种情感。该系统在口音准确性上提升23.7%，情感识别准确率达85.3%，为南亚地区教育技术和无障碍软件…详细

多语言语音合成情感语音技术印度口音建模

上海AI实验室研究团队发现统一多模态AI中图像理解与生成任务存在根本冲突：理解需要逐层增强语义关联，生成则需要早期语义指导后期专注细节。他们提出UniFork架构，采用"共享浅层+分离深层"的Y型设计，有效解决任务冲…详细

统一多模态AI图像生成与理解Y型神经网络架构

新加坡国立大学团队开发出革命性的"拖拽式"AI技术DnD，能够在几秒钟内直接从文本描述生成大语言模型参数，无需传统耗时的训练过程。该技术在多个任务上表现优异，效率比传统方法提升2500-12000倍，为AI模型的快速定制…详细

人工智能参数生成大语言模型优化

本文评测了六款控制台平铺终端复用器工具。GNU Screen作为老牌工具功能强大但操作复杂，Tmux更现代化但学习曲线陡峭，Byobu为前两者提供友好界面，Zellij用Rust编写界面简洁易用，DVTM追求极简主义，Twin提供类似Tur…详细

终端管理平铺窗口多路复用器

网络安全公司Snyk宣布收购瑞士人工智能安全研究公司Invariant Labs，收购金额未公开。Invariant Labs从苏黎世联邦理工学院分拆成立，专注于帮助开发者构建安全可靠的AI代理工具和框架。该公司提供Explorer运行时观察…详细

人工智能AI智能体安全企业收购

谷歌DeepMind发布新的离线视觉语言行动模型，让机器人无需云端支持即可自主运行。该模型基于Gemini的多模态理解能力，能够完成系鞋带、折衣服等复杂任务。相比之前的混合云端模式，新模型准确性仅略有下降，但大幅提…详细

人工智能机器人技术离线部署

Pure Storage AI基础设施副总裁Par Botes强调，成功应对AI工作负载不仅需要足够的计算和存储资源，更关键的是确保AI训练数据的质量。企业需要捕获、组织、准备和对齐数据，因为数据往往不完整或不适合AI要解决的问题…详细

人工智能数据工程数据湖仓

爱立信2025年移动性报告显示，5G通信正加速走向成熟，商业服务发展为复杂套餐。预计2025年底全球5G用户数将超过29亿，约占移动用户总数三分之一。2024年底5G网络承载35%全球移动流量，预计2030年将达80%。固定无线接…详细

5G网络固定无线接入基于速度资费

上海人工智能实验室的研究团队开发了VIKI-R框架，首次实现了让不同类型机器人像人类团队一样协作。该研究建立了全球首个多机器人视觉协作评估平台VIKI-Bench，通过队员选择、任务规划、轨迹感知三层测试体系全面评估…详细

机器人协作强化学习视觉感知

Yellow.ai研究团队开发了革命性的多模态文档分块技术，让AI系统能像人类一样"看"PDF文档，而非仅仅"读"文字。该方法采用批量视觉处理和上下文保持机制，解决了传统固定长度分块导致的表格分割、内容破碎等问题。在RA…详细

多模态文档理解RAG系统优化视觉引导分块

香港大学团队突破性地解决了AI全景图生成中的拼接难题，提出DreamCube系统，能从单张照片生成包含深度信息的完整360度场景。该研究创新性地引入"多平面同步"技术，让AI同时协调处理立方体六个面，避免传统方法的色差…详细

人工智能3D场景生成多平面同步

腾讯混元团队推出革命性AI系统Hunyuan-GameCraft，能根据键盘鼠标操作实时生成对应游戏画面。该系统统一处理各种输入信号，采用混合历史条件训练保持长期一致性，通过模型蒸馏实现近实时响应。基于100多款3A游戏数据…详细

游戏视频生成交互式AI实时内容创作

腾讯混元3D团队发布的最新版本2.5在3D资产生成领域实现重大突破。新系统引入100亿参数的LATTICE形状模型，能生成极其精细的3D形状细节，并首次支持PBR物理渲染材质生成。通过双阶段分辨率提升和多通道协同机制，实现…详细

3D生成技术物理渲染深度学习