SegmentAnythingModel2，SAM2，在传统视频目标分割任务大放异彩，引起了众多关注，然而，港中文和上海AILab的研究团队发现SAM2的贪婪选择策略容易陷入，错误累积，的问题，即一次...

OpenAI的AI语音转写工具，那个号称近乎，人类水平，的，被曝幻觉严重——100多小时转录，被工程师发现约一半都在瞎扯，更严重的是，美联社还爆料有医疗机构利用Whisper来转录医生与患者的会诊，瞬...

机器之心报道编辑，Panda我们知道，物理智能体在执行动作的校正和稳定时，往往会根据其感受到的外部刺激的位置给出空间上的响应，比如人类对这些刺激的响应回路位于脊髓神经回路层面，它们专门负责单个执行器的...

机器之心报道机器之心编辑部大语言模型，LLM，经历了重大的演变，最近，我们也目睹了多模态大语言模型，MLLM，的蓬勃发展，它们表现出令人惊讶的多模态能力，特别是，GPT，4o的出现显著推动了MLLM领...

只用提示词，多模态大模型就能更懂场景中的人物关系了，北京大学最新提出多模态提示学习，ConditionalMulti，ModalPrompt，CMMP，方法，利用提示词工程技术教会多模态大模型理解区域...

新智元报道编辑，alan，新智元导读，近日，来自加州大学尔湾分校等机构的研究人员，利用延迟掩蔽、MoE、分层扩展等策略，将扩散模型的训练成本降到了1890美元，训练一个扩散模型要多少钱，之前最便宜的方...

新智元报道编辑，编辑部，新智元导读，谷歌DeepMind的小模型核弹来了，Gemma22B直接击败了参数大几个数量级的GPT，3.5和Mixtral8x7B！而同时发布的GemmaScope，如显微镜...

IT之家7月26日消息，根据美国商标和专利局，USPTO，于7月25日公示的清单，苹果公司获得了一项折叠屏相关的专利，未来可用于折叠iPhone、iPad和Mac产品，苹果的这项专利名为，带有光学角度...

机器之心报道机器之心编辑部自从快手可灵AI火爆海内外，国内视频生成也如同2023年的文本大模型一样，越来越卷了，刚刚，又一视频生成大模型产品宣布正式上线，智谱AI正式发布，清影，只要你有好的创意，几个...

视频大模型进入百模大战，作者，赵健‍‍‍今年是，视频生成，大模型爆发元年，在过去两个月，我们看到了快手可灵、商汤Vimi、LumaAI、爱诗科技Pixverse、RunwayGen，3等等视频大模型的...