近期，《Arc Raiders》宣布即将推出双人合作模式，以及类似《Helldivers 2》的社区任务活动——但在玩家还没来得及为新玩法兴奋之前，这款游戏的开发商 Embark Studios 却陷入了另一场更棘手的争议：再度被曝使用生成式 AI 进行游戏配音。
“What is meant often goes far beyond what is said, and that is what makes conversation possible.” ——H. P. Grice
近日，AI生命科学企业津渡生科宣布完成千万级Pre-A+轮融资，由深圳南山区战略直投平台南山战新投投资。值得注意的是，仅2025年该公司就连续获得了红杉中国种子基金、创东方投资分别领投天使+轮、Pre-A轮，加上本轮融资已完成累计近亿元人民币。
在 AI 时代，若你还在紧盯代码量、执着于全栈工程师的招聘，或者仅凭技术贡献率来评判价值，执着于业务提效的比例而忽略产研价值，你很可能已经被所谓的“常识”困住了脚步。
在视觉处理任务中，Vision Transformers（ViTs）已发展成为主流架构。然而，近期研究表明，ViT 模型的密集特征中会出现部分与局部语义不一致的伪影（artifact），进而削弱模型在精细定位类任务中的性能表现。因此，如何在不耗费大量计算资源的前提下，保留 ViT 模型预训练核心信息并消除密集特征中的伪影？
2024年以来，从苹果Vision Pro将「空间计算」推向巅峰，到Peloton Guide、Nex Playground等「AI摄像头」硬件开始在小规模市场中验证可行性，风口已然初现。
无需额外训练即可适配预训练生成模型的编辑方法，凭借灵活、高效的特性，已成为视觉生成领域的研究热点。这类方法通过操控 Attention 机制（如 Prompt-to-Prompt、MasaCtrl）实现文本引导编辑，但当前技术存在两大核心痛点，严重限制其在复杂场景的应用
2025年11月13日，创新医疗技术公司 Beacon Biosignals 宣布完成 8600 万美元（约合人民币6.1亿） B 轮融资，由 GV（Google Ventures）、Takeda、Catalio 等跨科技与生命科学领域的重磅机构联合投资，使公司累计融资突破 1.21 亿美元。
今年 2 月，月之暗面提出了一种名为 MoBA 的注意力机制，即 Mixture of Block Attention，可以直译为「块注意力混合」。
如果多个大模型能读懂彼此的想法，会发生什么？
