AI资讯新闻榜单内容搜索-AI

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
搜索: AI
全球首个跟AI结婚的女生出现了...

全球首个跟AI结婚的女生出现了...

全球首个跟AI结婚的女生出现了...

日本一位 32 岁女子和 ChatGPT 结婚了。

来自主题: AI资讯
8628 点击    2025-11-14 10:57
不只是UI,都要下岗位了?新的AI UI+交互工具来了!飞书智能体+nanobanana也能生成UI了!

不只是UI,都要下岗位了?新的AI UI+交互工具来了!飞书智能体+nanobanana也能生成UI了!

不只是UI,都要下岗位了?新的AI UI+交互工具来了!飞书智能体+nanobanana也能生成UI了!

现在ai工具的发展真是日新月异,很多互联网从业者通过ai工具搭建工作流来帮助自己提高工作效率。不管怎么说吧,打不过就要加入,与其天天抱怨不如来看看用这些工具能不能帮你提高核心竞争力。

来自主题: AI技术研报
8623 点击    2025-11-14 10:56
AI产品的需求文档怎么写,与传统产品的PRD有何异同(附模版)

AI产品的需求文档怎么写,与传统产品的PRD有何异同(附模版)

AI产品的需求文档怎么写,与传统产品的PRD有何异同(附模版)

我们仍在用 10 年前的思维框架,描述10年后的产品形态 “AI产品革命”都快三年了,还没个像样的 PRD 模板出来,实在不像样。 这篇文章,或许可以“救命”: 1. 论述传统产品与 AI 产品的 P

来自主题: AI技术研报
8979 点击    2025-11-14 10:32
Memory和RAG的区别在哪?用「上下文工程」做出个性化 AI(谷歌白皮书精读)

Memory和RAG的区别在哪?用「上下文工程」做出个性化 AI(谷歌白皮书精读)

Memory和RAG的区别在哪?用「上下文工程」做出个性化 AI(谷歌白皮书精读)

谷歌在第三天发布了《上下文工程:会话与记忆》(Context Engineering: Sessions & Memory) 白皮书。文中开篇指出,LLM模型本身是无状态的 (stateless)。如果要构建有状态的(stateful)和个性化的 AI,关键在于上下文工程。

来自主题: AI技术研报
6618 点击    2025-11-14 10:22
RAE+VAE? 预训练表征助力扩散模型Tokenizer,加速像素压缩到语义提取

RAE+VAE? 预训练表征助力扩散模型Tokenizer,加速像素压缩到语义提取

RAE+VAE? 预训练表征助力扩散模型Tokenizer,加速像素压缩到语义提取

近期,RAE(Diffusion Transformers with Representation Autoencoders)提出以「 冻结的预训练视觉表征」直接作为潜空间,以显著提升扩散模型的生成性能。

来自主题: AI技术研报
10684 点击    2025-11-14 10:21
LeCun在Meta的最后一篇论文

LeCun在Meta的最后一篇论文

LeCun在Meta的最后一篇论文

《LeJEPA:无需启发式的可证明且可扩展的自监督学习》。

来自主题: AI技术研报
6725 点击    2025-11-14 10:20
下一代目标检测模型:3B参数MLLM Rex-Omni首度超越Grounding DINO,统一10+视觉任务

下一代目标检测模型:3B参数MLLM Rex-Omni首度超越Grounding DINO,统一10+视觉任务

下一代目标检测模型:3B参数MLLM Rex-Omni首度超越Grounding DINO,统一10+视觉任务

多模态大语言模型(MLLM)在目标定位精度上被长期诟病,难以匹敌传统的基于坐标回归的检测器。近日,来自 IDEA 研究院的团队通过仅有 3B 参数的通用视觉感知模型 Rex-Omni,打破了这一僵局。

来自主题: AI技术研报
6152 点击    2025-11-14 10:18
只演示一次,机器人就会干活了?北大&BeingBeyond联合团队用“分层小脑+仿真分身”让G1零样本上岗

只演示一次,机器人就会干活了?北大&BeingBeyond联合团队用“分层小脑+仿真分身”让G1零样本上岗

只演示一次,机器人就会干活了?北大&BeingBeyond联合团队用“分层小脑+仿真分身”让G1零样本上岗

近日,来自北京大学与BeingBeyond的研究团队提出DemoHLM框架,为人形机器人移动操作(loco-manipulation)领域提供一种新思路——仅需1次仿真环境中的人类演示,即可自动生成海量训练数据,实现真实人形机器人在多任务场景下的泛化操作,有效解决了传统方法依赖硬编码、真实数据成本高、跨场景泛化差的核心痛点。

来自主题: AI技术研报
8263 点击    2025-11-14 09:44
Llama 4造假丑闻幕后:小扎豪赌143亿,却为中国AI「做了嫁衣」

Llama 4造假丑闻幕后:小扎豪赌143亿,却为中国AI「做了嫁衣」

Llama 4造假丑闻幕后:小扎豪赌143亿,却为中国AI「做了嫁衣」

Llama4性能造假丑闻,OpenAI烧钱的速度远超过了盈利能力;另外一方面:国产模型凭借足够强大的性能与超高性价比,迅速占领了国际开源模型市场。是时候再次为国产AI鼓掌了!

来自主题: AI资讯
9799 点击    2025-11-14 09:43