搜索
长期以来，多模态代码生成（Multimodal Code Generation）的训练严重依赖于特定任务的监督微调（SFT）。尽管这种范式在 Chart-to-code 等单一任务上取得了显著成功 ，但其 “狭隘的训练范围” 从根本上限制了模型的泛化能力，阻碍了通用视觉代码智能（Generalized VIsioN Code Intelligence）的发展 。
今年刚满 20 岁的中山大学 00 后本科毕业生沙天铭，前不久收到了多所全美 Top50 高校的博士 offer。同样在前不久，他和合作者为预防中风研发出一款名为 FAST-CAD 的 AI 工具，能在不依赖医院设备的前提下，在复杂的日常环境中实现中风的准确判断。
你知道有个全球年度词汇叫“脑损伤”（Brain Rot）吗？
和任何人，去任何地方！复旦大学携手阶跃星辰打破 “复制粘贴” 魔咒，重磅推出全新 AI 合照生成模型 WithAnyone —— 只需上传照片，就能一键生成自然、真实、毫无违和感的 AI 合照！
✅ 大概是互联网里最讨喜的 emoji 了。
在多模态智能浪潮中，视觉语言模型（Vision-Language Models, VLM）已成为连接视觉理解与语言生成的核心引擎。从图像描述、视觉问答到 AI 教育和交互系统，它们让机器能够「看懂世界、说人话」。
4万亿苹果帝国迎来终极悬念：掌门人库克或将2026年交棒。在AI重新定义科技格局的今天，苹果为何急于寻找接班人？传闻中的热门继承人John Ternus，这位M芯片背后的功臣，是临危受命的创新者，还是库克模式的延续者？他能否带领苹果开启新篇章？
在大模型研究领域，做混合专家模型（MoE）的团队很多，但专注机制可解释性（Mechanistic Interpretability）的却寥寥无几 —— 而将二者深度结合，从底层机制理解复杂推理过程的工作，更是凤毛麟角。
如何将情感价值落地转化为市场价值，是AI陪伴赛道面临的共性问题。
近年来，Stable Diffusion、CogVideoX 等视频生成模型在自然场景中表现惊艳，但面对科学现象 —— 如流体模拟或气象过程 —— 却常常 “乱画”：如下视频所示，生成的流体很容易产生违背物理直觉的现象，比如气旋逆向旋转或整体平移等等。