搜索
腾讯混元团队提出了 Multi-Stream Scene Script（MTSS），一种全新的视频描述范式 —— 将传统的 "一段话描述整个视频" 升级为 "多流结构化剧本"，通过 Stream Factorization 和 Relational Grounding 两大核心原则，让视频描述既忠实又可扩展，在视频理解和生成任务中均取得显著提升。
最近，谷歌联合ResNet作者何恺明、谢赛宁、NeRF先驱Jonathan T. Barron、 3D图形学名家Thomas Funkhouser，正式发布了Vision Banana。它向世界宣告：视觉AI终于不再需要那些臃肿的任务头了，理解，本质上只是生成过程中的一次「对齐」。
今天凌晨，Physical Intelligence发布了全新的VLA模型π0.7，狠狠敲了世界模型一记闷棍。π0.7第一次在机器人领域证明了Compositional Generalization（组合泛化），且VLA。
第一篇论文来自字节SEED团队， 打了一些基础； 《Over-Tokenized Transformer》。 论文标题看上去在讨论“过度分词”。 而重点必然是在第二篇上—— DeepSeek公司的学术成果Engram。 《Conditional Memory via Scalable Lookup》 也就是Engram模块所出处的论文。
3 月 12 日凌晨，Perplexity 在旧金山 North Beach 一座改建自教堂的场地里，开了首届 Ask 2026 开发者大会，发布了 Personal Computer（个人电脑）。Personal Computer 是在此基础上往前迈了一大步。它运行在你自备的 Mac mini 上，24 小时不间断地访问本地文件、应用和会话记录，把云端的推理能力和本地数据的访问权限真正打通。
3月6日，腾讯混元发布了一篇名为“HY-WU (Part I): An Extensible Functional Neural Memory Framework and An Instantiation in Text-Guided Image Editing”的技术报告。提出了一种崭新的功能性记忆（functional neural memory）范式（weight unleashing），
这家成立两年的初创公司周四表示，已完成900 万美元种子轮融资，由 Susquehanna International Group（SIG）和光速创投领投，B Capital、Seaborne Capital、Beenext、Sparrow Capital 和 2.2 Capital 跟投。
就在本月，蚂蚁集团inclusionAI团队交出了一份颇具分量的答卷——百灵大模型家族新一代开源万亿参数模型Ling-2.5-1T（即时模型）与Ring-2.5-1T（思考模型）。
当我看到前 Founders Fund 合伙人 Sam Blond 带着他的新项目 Monaco 走出隐身模式时，我意识到这可能是一个真正能改变游戏规则的解决方案。Monaco 不是又一个 CRM 工具，也不是简单的 AI 销售助手，而是一个试图从根本上重新定义创业公司如何做销售的平台。他们
究竟是什么样的更新，才能让谷歌CEO皮查伊称之为“众望所归”（Answering a top request from our users）？