搜索
香港大学、香港科技大学与腾讯 ARC Lab 联合提出 SCoPE（Sightline-Coordinate Positional Encoding），一套面向视频 DiT 的射线空间位置编码：让视频模型处理位置关系的基底从张量网格转向射线空间。
视觉 - 语言 - 动作（VLA）模型已成为端到端自动驾驶的主流技术路线，但基于自回归（AR）解码的现有架构面临双重结构性瓶颈：其一，逐 Token 串行生成导致推理延迟随序列长度线性增长，严重制约实时部署；其二，训练阶段依赖真实前缀的 teacher forcing 机制，使模型在推理时暴露于自身生成的误差之上，引发长时序累积的曝光偏差（exposure bias）。
今天，英国《金融时报》援引知情人士报道，字节跳动正在训练一个参数量高达10万亿的AI模型。而这一数字，在昨日晚间的晚点LatePost独家报道中还是“超5万亿”。即使是5万亿，这一模型的规模也已经超过目前中国已发布的最大模型Kimi K3，接近Anthropic的Fable 5；如果是10万亿，那字节的新模型规模将超越约有8万亿参数的Mythos 5。
最近有个挺有意思的对比实验，来自 Composio 团队。他们用同一个模型 Kimi K3，分别放进三个不同的 agent 框架（harness）里跑 ——Claude Code、Hermes 和 Kimi Code—— 一共测了 28 个完全相同的任务。
Netflix 为本·阿弗莱克的 AI 电影制作创业公司支付了 5.87 亿美元。在一份新的监管备案文件中，Netflix 披露其为 InterPositive 支付了 5.87 亿美元现金 。InterPositive 是一家由演员兼导演本·阿弗莱克共同创办的初创公司。
AI 顶会越来越卷了，卷的方向你还猜不到。本周，国际机器学习大会 ICML 在韩国首尔举行。今年 ICML 的 Poster 环节，除了那些极具创新性的论文，也堪称大型学术行为艺术现场。
UBC 和 Weathon Software 的研究提出，图像的美学对齐正在削弱艺术表达。
香港大学李弘扬团队联合华为、上海创智学院及清华大学李升波教授团队，发表的最新论文World Engine: Towards the Era of Post-Training for Autonomous Driving给出了系统回答。
不用百万级 3D 标注，模型也能从普通驾驶视频中学会「自己是怎么动的」。Wayve 的 LA-Pose 试图把未标注视频里的运动信号，转化为自动驾驶系统所需的相机位姿估计能力。
Cursor模型更新，最新版本已来到Composer 2.5。