FLAT将图像和文本重采样为用于检索与生成的灵活一维多模态Token
FLAT是一种多模态表征学习框架,将图像和文本映射到共享的连续一维序列空间中。不同于依赖冻结视觉嵌入的传统流程,FLAT联合训练多模态编码器,以及文本到图像和图像到文本解码器。通过使用长度可变的前缀Token,模型能够灵活调整表征长度。FLAT支持跨模态检索与生成,在文本到图像生成任务中取得83.1的GenEval得分,在图像描述任务中取得40.5的BLEU-4和138.6的CIDEr,并在MS-
AI 新闻中心 过去一年分析了 4114 篇文章,发现了 0 条重要报道 (分数 ≥ 5.5)
获取从可信来源聚合的最新 AI 新闻。
FLAT是一种多模态表征学习框架,将图像和文本映射到共享的连续一维序列空间中。不同于依赖冻结视觉嵌入的传统流程,FLAT联合训练多模态编码器,以及文本到图像和图像到文本解码器。通过使用长度可变的前缀Token,模型能够灵活调整表征长度。FLAT支持跨模态检索与生成,在文本到图像生成任务中取得83.1的GenEval得分,在图像描述任务中取得40.5的BLEU-4和138.6的CIDEr,并在MS-
Salesforce正在为面向国防和政府机构的Missionforce平台增加新的AI功能,并引入英伟达和OpenAI的相关技术。该公司表示,平台旨在帮助美国政府机构应对复杂挑战。公告没有提供详细的性能数据,也未显示出重大的AI技术突破。
谷歌正在向 AI 智能体开放其智能家居平台。借助基于模型上下文协议的标准化集成 Google Home MCP,Claude 和 OpenClaw 等工具可以控制和监测联网设备,并分析家庭数据。
Anthropic为Claude推出两款新工具:Docs和Slides。用户可以通过Claude聊天创建文档和演示文稿,并将其导出、编辑和分享给其他用户。Anthropic还在简化Claude的聊天体验,将普通聊天与Cowork整合为统一的“one Claude”服务。
Anthropic 正在推出整合 Claude 聊天和 Cowork 的统一界面。这些功能最初将面向 Pro 和 Max 方案订阅者提供。
OmniHarness是一种利用多模态大语言模型和视觉智能体提升视觉生成泛化能力的框架。它将经过验证的执行过程抽象为符号策略,保留可复用的流程和适用条件,同时移除特定实例的输入。执行过程中的中间验证可用于策略改进和失败恢复。在下游目标确定前,系统还会自主生成并执行接近自身能力上限的练习任务。在六项基准测试、三种多模态模型骨干和三种视觉智能体框架上的实验中,OmniHarness在ComfyBenc
OpenAI最新经济研究显示,工作者如何突破传统岗位的范围使用人工智能,以及哪些新活动正在成为其工作中的固定组成部分。
Noetive正在为实体产业企业开发工业人工智能模型,目标是与建筑、物流和制造业企业协同工作。该公司已完成一轮由Eclipse领投、金额为4100万美元的种子融资。
一项最新调查显示,近三分之一的劳动者会向上司隐瞒自己在工作中使用AI。调查结果表明,员工对于公司政策、绩效评估以及职场中哪些AI使用方式可以被接受仍存在疑虑。
OpenAI与AARP将在美国10座城市为1,000名老年人提供免费的ChatGPT实践课程。该项目旨在帮助参与者掌握实用的AI技能,并安全、有效地使用这项技术。
苹果在 iOS 27 的相机应用中加入了新的 Siri 模式。该功能利用视觉智能识别植物、动物、食物等物体,并提供相关信息,例如热量估算。它还可以拍摄活动传单并将日期添加到日历、翻译文字、分摊账单,以及回答有关画面内容的问题。用户还可直接搜索 Google 图片或提出自定义问题。iOS 27 已于 9 月 14 日面向支持的 iPhone 发布。
安全研究员Matthew“Zigula”Gore-Kormanik在分析一款名为Dora的欺诈交友应用时,弹窗显示Jennifer正在打来电话。根据她的个人资料,她是一名41岁的射手座女性,有红发、蓝眼睛和穿孔,喜欢音乐、恐怖电影、夜生活和体育。Gore-Kormanik接听了电话。这一事件表明,人工智能交友应用可能被滥用,以使情感骗局显得更加可信。
机器人行业仍在等待机器人真正进入日常生活的突破。英伟达的 Les Karpas 将在 TechCrunch Disrupt 2026 上解释这一突破为何尚未到来。公告没有提供具体的技术解决方案,也未给出取得重大进展的证据。
OpenAI 推出了面向广告商的 AI 工具,并开始在美国测试赞助代理。用户可以与企业赞助的代理聊天,并通过 ChatGPT 中展示的广告访问广告商的网站。
华为发布《智能世界2035:从愿景到行动》报告,预测到2035年全球年度Token消耗量可能增长10万倍,其中智能体流量占比将超过90%。报告认为,行业需要更大规模的算力集群、更高效的Token处理架构、新型存储与记忆系统,以及面向智能体的操作系统;芯片、散热、自动驾驶和AI安全技术也需同步发展。华为与清华大学相关研究机构还发布了《全球数智化指数(GDII)2026》,预测未来五年人工智能将累计创