←搜索结果

搜索“视频”

按匹配度 · 共 2204 条结果 清除搜索

星期五

  1. Together AI Blog

    如何在 Together DCI 上部署任意 Hugging Face 模型并运行推理

    Together AI 展示了如何用 Goose 和 together-dedicated-containers 技能，在单次会话中将 Netflix 的 void-model 部署至 Dedicated Container Inference。智能体可自动生成推理服务与容器配置；该模型能移除视频中的对象及其引发的阴影、反射和物理交互，推理任务以异步方式返回结果。

    Terminal screen showing void-byoc goose session ready with deployment note and URL to huggingface.co.

    Together AI 展示了如何用 Goose 和 together-dedicated-containers 技能，在单次会话中将 Netflix 的 void-model 部署至 Dedicated Container Inference。智能体可自动生成推理服务与容器配置；该模型能移除视频中的对象及其引发的阴影、反射和物理交互，推理任务以异步方式返回结果。 · Together AI demonstrated how Goose and the together-dedicated-containers skill can deploy Netflix’s void-model to Dedicated Container Inference in a single session. The agent generates the inference server and container configuration automatically; the model removes video objects and their induced shadows, reflec

    匹配字段摘要

    #company#教程/实践#部署/工程#Agent

星期三

  1. xAI News

    xAI 为 Grok Imagine API 上线 Quality Mode

    xAI 宣布 Grok Imagine API 的图像生成与编辑 Quality Mode 面向企业开发者和团队开放。官方称该模式在真实感、多语言文字渲染和提示词遵循上有提升，并可与视频生成能力搭配，调用示例使用模型名 grok-imagine-image-quality。

    匹配字段摘要

    #lab#产品更新#图像生成#视频

星期六

  1. Ed Bayes

    Ed Bayes：AGI 需要新界面，我的像土豆

    Ed Bayes 发帖称 AGI 将需要新的交互界面，并附上一段视频展示自己做的界面，自嘲“看起来像个土豆”。该帖引用了 Kath Korevec 关于为 Codex 添加 Pets 功能的帖子，称 Pets 为 Codex 增添趣味，同时能在边缘区域提供 Codex 正在做什么的信息。

    匹配字段摘要

    #analysis#现象/趋势#Agent

星期五

  2. Physical Intelligence

    Physical Intelligence 发布 π0.7 机器人模型

    Physical Intelligence 发布最新机器人模型 π0.7，可处理不仅说明做什么、还说明怎么做的多样提示词，包括丰富语言和视觉子目标图像等多模态信息，测试时这些图像可由轻量级世界模型生成。该模型展现出涌现的组合泛化能力，能把已学技能按提示词以新方式组合，例如学会用空气炸锅烤红薯；还能在没有该机器人洗衣折叠数据的情况下，控制新机器人 UR5e 折叠 T 恤。团队表示仍在探索 π0.7 的能力，更多细节见其博客、视频和完整研究论文。

    匹配字段摘要

    #company#模型发布#具身智能#推理

星期一

  1. Sakana AI：Blog

    Sakana AI 为日本总务省项目开发 SNS 虚假信息可视化与判定技术

    Sakana AI 完成日本总务省「互联网虚假与错误信息对策技术开发与实证事业（令和7年度）」的系统开发，覆盖 SNS 空间可视化、综合虚假信息判定与对策立案。其 novelty search 技术可递归采样 X 帖子数据以抽取高影响力叙事，并用层级叙事树可视化；判定端结合前沿基座模型与自研模型检测图像视频生成加工痕迹，并实现自动事实核查。对策端基于自研 ABM 框架 Shachi 模拟 SNS 空间，验证反制发信效果。

    匹配字段摘要

    #company#行业动态#Agent#多模态

星期一

  1. Qwen Blog

    Qwen 发布 Qwen3.5-Omni，面向原生全模态 AGI

    阿里 Qwen 团队发布 Qwen3.5-Omni，定位为向原生全模态 AGI 扩展的模型，旗舰版本 Qwen3.5-Plus-Omni 可通过阿里云 Model Studio 调用。官方演示覆盖视频合规审核、日常生活短视频解析、多语言歌曲逐段理解、BBC 音频理解、歌词字幕生成、音视频 Vibe Coding 与语音克隆等场景。Model Studio 支持离线调用和实时调用两种模式，实时模式模型名为 qwen3.5-omni-plus-realtime，并可通过 enable_search 参数开启联网搜索。

    阿里 Qwen 团队发布 Qwen3.5-Omni，定位为向原生全模态 AGI 扩展的模型，旗舰版本 Qwen3.5-Plus-Omni 可通过阿里云 Model Studio 调用。官方演示覆盖视频合规审核、日常生活短视频解析、多语言歌曲逐段理解、BBC 音频理解、歌词字幕生成、音视频 Vibe Coding 与语音克隆等场景。Model Studio 支持离线调用和实时调用两种模式，实时模式模型名为 qwen3.5-omni-plus-realtime，并可通过 enable search 参数开启联网搜索。

    匹配字段摘要

    #company#其他#模型发布#多模态

星期四

  1. Modal 官方工程博客

    Runway 选择 Modal 为 Runway Characters 提供实时推理算力

    Runway 宣布与 Modal 合作，由 Modal 的无服务器计算平台为 Runway Characters 提供实时推理支持。Runway Characters 是基于通用世界模型 GWM-1 的实时视频智能体 API，可从单张图片生成数字人形象且无需微调，已服务财富 10 强科技公司、好莱坞制片厂等数千家机构。借助 Modal，Runway 团队在 30 天内从概念验证推进到生产环境，并通过一行代码将容器扩展为支持 RDMA 网络的多节点 GPU 集群。

    匹配字段摘要

    #company#行业动态#视频#部署/工程

星期四

  1. Google Research精选

    Google 与 BIDMC 开展 AMIE 对话式诊断 AI 真实临床可行性研究

    Google Research 与 Beth Israel Deaconess Medical Center 合作开展了一项前瞻性单中心可行性研究，让对话式医疗 AI AMIE 在门诊就诊前与患者进行病史采集对话，全程由医生通过视频实时监督。研究纳入 100 名成年患者，98 人完成后续就诊，全程未触发任何安全暂停；盲评显示 AMIE 与初级保健医生在鉴别诊断和管理计划整体质量上相当，但医生在管理计划的实用性和成本效益上更优。AMIE 的鉴别诊断在 90% 病例中覆盖最终诊断，56% 病例将其列为最可能诊断，患者对 AI 的信任度在交互后显著提升。

    A flowchart details three steps: AI text chat, PCP urgent care visit, and chart review by clinical evaluators. It lists data collected at each stage, including surveys, transcripts, and blinded ratings.

    匹配字段摘要

    #lab#论文/研究#多模态#Google

星期三

  1. Replit Blog

    Replit 完成 4 亿美元融资，估值 90 亿美元并发布 Agent 4

    Replit 宣布完成 4 亿美元融资，估值达 90 亿美元，较六个月前增长 3 倍，投资方包括 Georgian、G Squared、a16z、Coatue、YC 及卡塔尔投资局等。公司称其用户覆盖 85% 的财富 500 强企业，并计划在 2026 年底前达到 10 亿美元年化收入。同时 Replit 发布 Agent 4，速度比 Agent 3 快 10 倍，围绕自由设计、统一项目内产出应用与幻灯片视频、团队任务管理、多 Agent 并行四个方向组织，新资金将用于欧洲、亚洲和中东的全球扩张及产品与基础设施投入。

    The Future is Actually Very Human — cover image

    匹配字段摘要

    #company#行业动态#Agent#编码

星期三

  1. Physical Intelligence

    Physical Intelligence 为机器人模型推出 MEM 记忆系统

    我们为模型开发了一套记忆系统，同时提供短期视觉记忆和长期语义记忆。 我们的方法让我们能够训练机器人执行长时间、复杂的任务，比如清理厨房或从头制作烤奶酪三明治 👇 没有记忆，机器人在许多真实场景中会陷入困境，比如反复犯同样的错误、卡住或失去时间感。 但我们不能直接把几分钟甚至几小时的视频塞进模型的上下文——那很快就会变得不可处理。 为此，我们开发了多尺度具身记忆（MEM）。核心思路：用不同模态在不同时间尺度上表示记忆。 📹 对于短时程记忆，我们开发了一个高效的视频编码器，让模型记住近期交互中的细粒度细节。 📜 对于长时程记忆，我们训练模型用文本总结事件，使其能记住长达 15 分钟的事件。 借助 MEM，我们的模型可以在真实世界中执行真正的多阶段任务，比如清理整个厨房或准备食谱所需的食材。视频展示了机器人如何用文本跟踪长时程记忆。 除了解决新任务，记忆还让我们的策略更加鲁棒：我们展示了上下文适应的早期迹象，机器人通过从过去的错误中学习，实时调整自己的行为。 更多内容，请查看 我们的论文：https://t.co/xQLvOwko0m 我们的博客文章：https://t.co/tjJO4D6MYP

    我们为模型开发了一套记忆系统，同时提供短期视觉记忆和长期语义记忆。 我们的方法让我们能够训练机器人执行长时间、复杂的任务，比如清理厨房或从头制作烤奶酪三明治 👇 没有记忆，机器人在许多真实场景中会陷入困境，比如反复犯同样的错误、卡住或失去时间感。 但我们不能直接把几分钟甚至几小时的视频塞进模型的上下文——那很快就会变得不可处理。 为此，我们开发了多尺度具身记忆（MEM）。核心思路：用不同模态在不同时间尺度上表示记忆。 📹 对于短时程记忆，我们开发了一个高效的视频编码器，让模型记住近期交互中的细粒度细节。 📜 对于长时程记忆，我们训练模型用文本总结事件，使其能记住长达 15 分钟的事件。 借助 MEM，我们的模型可以在真实世界中执行真正的多阶段任务，比如清理整个厨房或准备食谱所需的食材。视频展示了机器人如何用文本跟踪长时程记忆。 除了解决新任务，记忆还让我们的策略更加鲁棒：我们展示了上下文适应的早期迹象，机器人通过从过去的错误中学习，实时调整自己的行为。 更多内容，请查看 我们的论文：https://t.co/xQLvOwko0m 我们的博客文章：https://t.co/tjJO4D6

    匹配字段摘要

    #company#论文/研究#具身智能#数据/训练
  2. Physical Intelligence精选

    Physical Intelligence 提出 MEM 多尺度具身记忆系统

    Physical Intelligence 开发了 Multi-Scale Embodied Memory（MEM）记忆系统，为模型同时提供短期视觉记忆和长期语义记忆。短期记忆用高效视频编码器记住近期交互的细节，长期记忆则让模型用文本总结事件，最长可记住 15 分钟的内容。该记忆系统让机器人能完成清理整个厨房、按食谱备料等多阶段真实任务，并展现出从过去错误中即时调整行为的上下文适应迹象。

    匹配字段摘要

    #company#论文/研究#具身智能#数据/训练
  3. Physical Intelligence

    Physical Intelligence 推出多尺度具身记忆 MEM

    为此，我们开发了多尺度具身记忆（MEM）。核心思路：用不同模态表示不同时间尺度上的记忆。 📹 对于短时程记忆，我们开发了一个高效的视频编码器，让模型能记住近期交互中的细粒度细节。 📜 对于长时程记忆，我们训练模型用文本总结事件，使其能记住长达 15 分钟的事件。

    为此，我们开发了多尺度具身记忆（MEM）。核心思路：用不同模态表示不同时间尺度上的记忆。 📹 对于短时程记忆，我们开发了一个高效的视频编码器，让模型能记住近期交互中的细粒度细节。 📜 对于长时程记忆，我们训练模型用文本总结事件，使其能记住长达 15 分钟的事件。

    匹配字段摘要

    #company#论文/研究#具身智能#数据/训练
  4. Physical Intelligence

    Physical Intelligence 为机器人模型开发记忆系统 MEM

    没有记忆，机器人在许多真实场景中会陷入困境，比如反复以同样的方式失败、卡住或失去时间感。 但我们不能只是把几分钟甚至几小时的视频塞进模型的上下文——那很快就会变得难以处理。 https://t.co/VwgdCwaMiN

    没有记忆，机器人在许多真实场景中会陷入困境，比如反复以同样的方式失败、卡住或失去时间感。 但我们不能只是把几分钟甚至几小时的视频塞进模型的上下文——那很快就会变得难以处理。 https://t.co/VwgdCwaMiN

    匹配字段摘要

    #company#模型发布#具身智能#数据/训练
  5. Physical Intelligence

    Physical Intelligence 提出多尺度具身记忆 MEM，让机器人记住 15 分钟事件

    Physical Intelligence 为自家模型开发了多尺度具身记忆系统 MEM，用不同模态表示不同时间尺度的记忆。短期记忆由高效视频编码器保留近期交互的细粒度细节，长期记忆则通过训练模型用文本总结事件，最长可记住 15 分钟。该系统让机器人能完成清理整个厨房、从头准备烤奶酪三明治等多阶段真实任务，并展现出从过往错误中即时调整行为的上下文适应迹象。

    匹配字段摘要

    #company#模型发布#具身智能#数据/训练

星期五

  1. Sarvam AI Blog

    Sarvam AI 推出 Sarvam Studio：多语言内容转换平台

    Sarvam AI 推出 Sarvam Studio，一个将语音、文本和文档工作流整合到单一工作区的多语言内容转换平台，支持 AI 视频配音和智能体文档翻译。在约 280 次与 ElevenLabs、YouTube Dub、Rask AI 等平台的盲测对比中，Sarvam 的配音输出获得最强整体偏好，说话人相似度平均得分 0.88，为研究中最高。该平台目前正通过受控早期 beta 计划向政府、教育、媒体和出版领域的少量生产合作伙伴逐步开放。

    Introducing Sarvam Studio

    匹配字段摘要

    #company#产品更新#语音#多模态

星期六

星期四

  1. Qwen Blog精选

    千问发布 Qwen3-VL-Embedding 与 Qwen3-VL-Reranker 多模态检索模型

    千问发布 Qwen3-VL-Embedding 与 Qwen3-VL-Reranker 系列模型，基于 Qwen3-VL 底座，面向多模态信息检索与跨模态理解，支持文本、图像、截图和视频输入，覆盖 30 多种语言。Embedding 采用双塔架构做高效初筛，Reranker 采用单塔 Cross-Attention 对（Query, Document）对联合编码输出相关性分数，两者串联构成两阶段检索流程。官方称 Qwen3-VL-Embedding-8B 在 MMEB-v2 上取得 SOTA，Reranker-8B 在多数任务上表现最佳，模型提供 2B 与 8B 两种规格、32K 序列长度并支持量化与自定义向量维度。

    匹配字段摘要

    #company#模型发布#多模态#RAG

星期二

  1. Physical Intelligence

    Physical Intelligence：从零训练机器人模型全部失败

    所有视频均为自主运行。我们还测试了"从零"训练（从 VLM 初始化），但所有任务都失败了，这表明微调我们的模型对成功至关重要。 更多内容，请查看我们的博客文章：https://t.co/wrmtci8pUK

    所有视频均为自主运行。我们还测试了"从零"训练（从 VLM 初始化），但所有任务都失败了，这表明微调我们的模型对成功至关重要。 更多内容，请查看我们的博客文章：https://t.co/wrmtci8pUK

    匹配字段摘要

    #company#论文/研究#具身智能#数据/训练

星期五