用两个简单模块实现分割理解双重SOTA！华科大白翔团队等推出多模态新框架
用两个简单模块实现分割理解双重SOTA！华科大白翔团队等推出多模态新框架多模态大模型需要干的活，已经从最初的文生图，扩展到了像素级任务（图像分割）。
来自主题: AI技术研报
6067 点击 2025-10-03 14:40
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
多模态大模型需要干的活，已经从最初的文生图，扩展到了像素级任务（图像分割）。
来自牛津大学、新加坡国立大学、伊利诺伊大学厄巴纳-香槟分校，伦敦大学学院、帝国理工学院、上海人工智能实验室等等全球 16 家顶尖研究机构的学者，共同撰写并发布了长达百页的综述：《The Landscape of Agentic Reinforcement Learning for LLMs: A Survey》。
只让机器人或虚拟智能体「想象」，不让它们和物理世界交互，它们也能学到和世界交互的技能？谷歌的世界模型 Dreamer 4 为这一想法提供了新的支撑。为了在具身环境中解决复杂任务，智能体需要深入理解世界并选择成功的行动。世界模型通过学习从智能体（如机器人或电子游戏玩家）的视角预测潜在行动的未来结果，为实现这一目标提供了一种有前景的方法。
见证历史！OpenAI估值已飙升至5000亿美元，一举超越SpaceX，跃升为全球最贵独角兽企业。无独有偶，马斯克个人财富也同步突破5000亿美元大关，其个人身价已堪比一家OpenAI。
Thinking Machines Lab发布首个产品：Thinker，让模型微调变得像改Python代码一样简单。也算是终于摘掉了“0产品0收入估值840亿”的帽子。Tinker受到了业界的密切关注。AI基础设施公司Anyscale的CEO Robert Nishihara等beta测试者表示，尽管市面上有其他微调工具，但Tinker在“抽象化和可调性之间取得了卓越的平衡”
Anthropic宣布任命前Stripe CTO Rahul Patil为新任首席技术官，此次换帅旨在强化Anthropic的AI基础设施，以应对Claude产品快速增长带来的算力和能耗压力。同时，也是为了面对OpenAI和Meta数千亿美元级的基础设施投入而进行的一次战略调整。
Sora2太卷了。居然能预测ChatGPT的输出、渲染HTML？！让它模拟“给ChatGPT发信息”，它不仅生成了画面，还来了一段有问有答的“交互”。先是编了一个问题：Write a playful haiku about a cat staring out the window.（写一首关于猫凝视窗外的俏皮俳句。）
这次英伟达可谓是“全家桶”式发布：不仅有让机器人拥有”物理直觉”的Newton引擎，还有赋予机器人人类推理能力的Isaac GR00T N1.6基础模型，以及能够生成海量训练数据的Cosmos世界基础模型，直接瞄准了机器人研发中最头疼的几个问题。
来自斯坦福大学、哥伦比亚大学、摩根大通AI研究院、卡耐基梅隆大学、英伟达提出了一种数据采集与策略学习框架DexUMI——利用人手作为自然接口将灵巧操作技能迁移至多种灵巧手。该框架通过硬件与软件的双重适配，最大限度缩小人手与各类灵巧手之间的具身差异。
Sora 2火爆全球！上线不到24小时便冲上苹果商店榜单前三，凭借「1换4」邀请码机制和「Cameo自我上传」玩法，引爆社交传播。奥特曼亲自下场，让邀请码成为稀缺资源，被黄牛炒至175美元。Sora既带来全民狂欢，也引发OpenAI内部争议。