北京大学提出了ReMoMask：一种全新的基于检索增强生成的Text-to-Motion框架。它是一个集成三项关键创新的统一框架：（1）基于动量的双向文本-动作模型，通过动量队列将负样本的尺度与批次大小解耦，显著提高了跨模态检索精度；（2）语义时空注意力机制，在部件级融合过程中强制执行生物力学约束，消除异步伪影；（3）RAG-无分类器引导结合轻微的无条件生成以增强泛化能力。
互联网技术的发展极大地便利了我们的生活，但许多网络任务重复繁琐，降低了效率。为了解决这一问题，研究人员正在开发基于大型基础模型（LFMs）的智能体——WebAgents，通过感知环境、规划推理和执行交互来完成用户指令，显著提升便利性。香港理工大学的研究人员从架构、训练和可信性等角度，总结了WebAgents的代表性方法，全面梳理了相关研究进展。
随着 Gemini-Diffusion，Seed-Diffusion 等扩散大语言模型（DLLM）的发布，这一领域成为了工业界和学术界的热门方向。但是，当前 DLLM 存在着在推理时必须采用预设固定长度的限制，对于不同任务都需要专门调整才能达到最优效果。
当大模型把人类曾经的终极考题变成日常练习，AI的奔跑却悄悄瘸了腿—— 训练能力突飞猛进，验证答案的本事却成了拖后腿的短板。 为此，上海AI Lab和澳门大学联合发布通用答案验证模型CompassVerifier与评测集VerifierBench。填补了Verifier领域没有建立验证->提升->验证的循环迭代体系的空白。
上上周我们一起测试了六款视频Agent， Agent们手里有一堆音频、视频、剪辑、生图等工具，由他们决定调用顺序成片
从“模型即服务”（MaaS）到“智能体即服务”（AaaS）的转变，标志着AI行业进入了新的发展阶段。我们不再满足于AI的“对话能力”，而是期望它能成为自主完成复杂任务的“全能机器人”。
不管我们如何评价ChatGPT，这个产品在人工智能历史上的地位，肯定是无法撼动的，就跟iPhone在智能手机发展史上的地位一样。但是从另一个角度来看，现在的智能手机，无论是苹果还是安卓，每个版本之间，也已经几乎没有跨越台阶式的进步了。
AI对话技术最初用于年轻人整蛊父母的声音克隆，但老年人主动用作“情感拐杖”缓解孤独，带来安全倾诉环境。心理咨询师警告AI可能导致即时反馈成瘾、替代真实关系，削弱现实冲突应对力，类似《her》电影困境；AI谄媚性模糊是非，影响判断力。技术初衷高效连接需求，却简化人际复杂本质。
行业中，各种尝试层出不穷，其实底层逻辑都要回答一个同样的问题——如何用更低的成本、更高的效率，为人们提供更好的健康服务。在全球兴起的跑步风潮下，2022年才上线的Runna，给出了自己教科书式的答案。
如果说2024年是Kimi和豆包的流量之战，那么2025年上半年，这场战争的主角轮到了夸克和元宝——夸克每个月的广告投放金额均破亿，最高投放出现在6月；元宝6月、7月投放金额均超10亿元。
