从「看见」到「行动」：浙大团队发布首篇「智能眼镜第一人称智能」综述
从「看见」到「行动」：浙大团队发布首篇「智能眼镜第一人称智能」综述当我们谈论智能眼镜时，许多人的第一反应仍是：它能不能拍照、放歌、导航，或者它就像一个戴在头上的语音助手？
来自主题: AI技术研报
10530 点击 2026-10-20 11:56
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
当我们谈论智能眼镜时，许多人的第一反应仍是：它能不能拍照、放歌、导航，或者它就像一个戴在头上的语音助手？
永远不要相信 DeepSeek 的 “a minor update” （小更新）。
不少人都有过这样的体验：周五晚上窝在沙发准备看部电影，为了调出适配影片氛围的灯光，反复在App里调节色温、动态模式，折腾半天，电影关键剧情都已经错过。这就是传统智能照明的逻辑，本质上是人去适应灯光：用户需要主动下达指令、手动调试参数，灯具只负责被动执行。
Claude，竟然排在最后？
随手拍一段街景，镜头在移动，行人在穿行，街道上的车也在开。如果要边拍边重建这个变化的三维场景，麻烦就来了：未来画面还没到，如何分清哪些变化来自相机移动，哪些来自物体运动？随着镜头不断向前，如何将前一分钟重建的街道与后一分钟看到的路口准确拼接，避免场景错位或动态物体留下重影？当视频源源不断地输入时，系统又如何避免重复计算，让重建始终跟得上拍摄速度？
让大模型回答一道数学题，通常还能拿标准答案判断对错。可如果问题换成「梳理一个领域的研究进展」「比较几种技术路线」或者「给出有依据的专业建议」，怎样才算答得好？答案没有唯一版本，遗漏关键事实、混淆概念、论证不充分，都可能藏在一段看起来很流畅的文字里。
AI 生图和改图已经很强了，却依然救不了双 11 期间疯狂加班的设计师。
不到十天，数学界经历了一场终极过山车！
你可能不信，Claude Code 现在差不多 90% 的代码，是 Claude 自己敲的。
世界模型赛道仍在源源不断涌入最智慧的大脑。