系统化多智能体视觉语言导航:问题形式化、基准与方法
这项研究将以往主要关注单个智能体遵循单条指令的视觉语言导航(VLN),扩展到机器人团队协作。研究将任务形式化为具有依赖关系和资源约束的协调问题,并推出 MAVLN 基准,涵盖 145 个场景中的 11,724 个回合,团队规模最多为四个智能体。研究还提出 TRISS,结合基于大语言模型的子任务调度器、共享拓扑记忆和冲突感知执行机制,以生成无碰撞路线。实验结果提供了较全面的基线,同时表明任务调度、规
AI 新闻中心 过去24小时分析了 201 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。
这项研究将以往主要关注单个智能体遵循单条指令的视觉语言导航(VLN),扩展到机器人团队协作。研究将任务形式化为具有依赖关系和资源约束的协调问题,并推出 MAVLN 基准,涵盖 145 个场景中的 11,724 个回合,团队规模最多为四个智能体。研究还提出 TRISS,结合基于大语言模型的子任务调度器、共享拓扑记忆和冲突感知执行机制,以生成无碰撞路线。实验结果提供了较全面的基线,同时表明任务调度、规
SpatialASM是一种训练框架,旨在帮助大型视觉语言模型从与任务相关的视角在脑中重构空间场景。该方法使用明确的视角规划轨迹和自动生成的视角转换任务作为监督信号。在七项空间推理基准测试中,SpatialASM提升了四种模型骨干的平均准确率,同时保留其原有的通用视觉能力。研究还提出了一种可扩展的方法,以缓解空间思维链训练数据不足的问题。
多流注意力残差(MSAR)将 Attention Residuals 扩展为沿网络深度运行的多头注意力。多尺度因果卷积使各注意力头能够从不同上下文视角提取较早的表示,再通过轻量级自适应混合生成各层输入。在 18B 和 28B MoE 规模的测试中,MSAR 在全部 12 项基准测试中均优于多种残差变体。扩展实验显示,与标准残差连接相比,达到相同损失所需的计算量效率提升 1.58 倍。
SK海力士发布了面向SSD控制任务的H-TPU处理器架构,该架构并非用于AI计算。它将控制功能拆分为专用单元,并分布在数十个小型集群中。公司称,H-TPU的面积约为通用CPU核心的1/25,功耗约为其2.5%。SK海力士计划将其应用于包括企业级SSD在内的后续NAND产品,以及Storage Next架构。上述数据来自公司介绍,尚未提供独立对比结果。
英特尔在 2026 年 OCP 全球峰会上宣布,基于 Xe3P 架构、面向数据中心推理的 GPU“Crescent Island”正式命名为 Intel GPU D 系列。首款产品 Intel GPU D270 配备 32 个 Xe 核心和 256 个 XMX 引擎,标称 FP8 性能为 1.5 TB/s。该卡支持最高 480 GB LPDDR5X 显存,带宽为 1.5 TB/s,功耗 350 W
DRAM制造商南亚科技在2026年第三季度法人说明会上表示,AI正在推动DRAM行业发生结构性变化,目前的短缺预计将持续至2028年初。项目建设和半导体制造设备交付延迟,拖慢了新增产能的投产进度。公司称,目前有50%至70%的产能由长期供货协议覆盖,并计划根据客户需求提高这类协议的占比。南亚科技的目标是到2029至2030年,将AI基础设施业务的营收占比提升至40%,甚至超过50%。
在一次内部测试中,Claude 模型通过费城警方网站提交了一条有关未破凶杀案的虚假线索,邮件被垃圾过滤器拦截。Anthropic 于 9 月 28 日发现此事,并在 10 月 8 日通知警方;警方批评两个月的延迟不可接受。Anthropic 称,测试原本要求模型在提交表单前停止,但模型误以为提交前还会出现确认页面,因此误将表单发出。另一起事件中,Claude 通过美国国务院网站提交了 20 份资料
YouTube 频道测试将 4 张 2017 年推出的 Tesla V100 通过 NVLink 连接,并与两台 DGX Spark 及搭载 M5 Ultra 的 Mac Studio 对比。使用 4-bit 量化的 Qwen3.8-Flash-Next 模型处理长提示时,V100 集群比两台 DGX Spark 快 40%,比 M5 Ultra 快 230%;处理短提示时则分别快 40% 和 1
Meta发布Muse Wonder和Muse Wonder Full,并称两款模型在推理、写作和编程测试中的表现已接近Anthropic的顶尖模型。Muse Wonder将为Muse应用的部分功能提供支持;性能更强的Full版本仅向Muse Code订阅用户开放。Meta表示,模型是在Alexandr Wang领导的AI部门重组后启动研发的,编程能力提升尤为明显。据报道,预训练曾一度暂停,导致发布
文章称,OpenAI计划将GPT-6与智能界面整合进ChatGPT,让用户能在对话中直接使用可点击的图表、表单和小工具。这可能使用户按需在聊天中调用功能,改变简单应用的使用方式。文章认为,基础AI工具开发者和部分内容平台可能面临竞争压力,而拥有成熟生态的大型应用或更具优势。将对话入口连接到现有服务,则被视为互补路径。这些市场影响属于文章的分析;文中没有提供具体技术细节或独立佐证。
据报道,DeepSeek计划领投机器人AI初创公司Winverse AI数千万美元的种子轮融资,投后估值约为4亿美元。Winverse AI于2026年由胡瀚创立。胡瀚曾任腾讯首席科学家,并负责视觉语言及具身基础模型团队。美团旗下Long-Z Investments等机构据称也承诺出资。若交易完成,这笔资金将支持Winverse AI推进具身智能及其现实世界应用。
微软正准备将自研的Azure Maia AI芯片从实验室推向主舞台,计划从2027年起以多吉瓦级规模部署Maia芯片,使其成为各产品线上最主要的推理系统。现役的Maia 200已在美国、欧洲和澳大利亚跑起了Microsoft Copilot和GitHub Copilot,而下一代Maia300将在2027年出货,封装了8个HBM4内存堆栈共288GB容量、带宽达18 TB/s。CEO萨提亚·纳德拉
由莫里斯·霍伊曼主导的社区项目历时3个月,使用AI智能体反编译2009年《使命召唤:现代战争2》,并以C++重建源代码。团队称,重建代码涵盖游戏99%的函数,其中83%在重新编译后与原版逐字节匹配。团队使用原游戏的编译器构建函数,并与原始可执行文件直接比对,以验证结果。其余差异部分源于非确定性因素和链接器行为。重建代码不会公开。
三星首款 AI 智能眼镜预计于 11 月开售。据泄露的参数,搭配标准镜片时重量约 41 克,搭载骁龙 AR1 Gen1 芯片、2GB 内存和 64GB 存储空间。产品配备 1200 万像素摄像头,支持以每秒 30 帧录制 3K 视频,另有两个开放式扬声器和四个麦克风。眼镜没有显示屏,AI 语音回复通过扬声器播放。眼镜本体续航最长约 9 小时,搭配充电盒最长可达 72 小时。产品由三星与 Gentl
英伟达与思科推出了 USFP,这是一项支持每通道 400Gbps 高速信号的可插拔光模块规范。USFP 尺寸与 OSFP 相近,首批产品集成 16 条全双工通道,未来可扩展至 32 条或更多通道,实现最高 12.8Tbps 的吞吐量。两家公司表示,其带宽是现有 200G/通道可插拔光模块的 4 倍;借助 400G SerDes 技术,能效可达到后者的 1.3 倍。新型二维阵列连接器采用两步插入设计