搜索
2026 年初，浙江大学发表了一篇系统性的 SoK 论文《Agent Skills for Large Language Models: Architecture, Acquisition, Security, and the Path Forward》，给Skill下了一个正式定义。
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。
a16z Speedrun SR006里有60家公司，57%做B2B。只有一家做Audio。我们和它的创始人Artin聊了45分钟，发现它踩中的东西比看起来大得多。SUN — AI-native audio learning, built around youAI让音频内容的生成成本暴跌80倍，但没有人把这件事变成一个主动为你服务的消费级学习产品
《读佳》获知，Soul推出AI语音创作平台“AudioFactory”，基于生成式人工智能模型技术为用户提供丰富、多样的AI功能服务，包括但不限于播客AI生成、语音生成合成、AI生成文案等，具体以播客生成、音色克隆等AI语音功能为主，或为其冲击港股IPO再添技术筹码。
哈啰推出一款AI面试相关的产品“HiOffers AI”，主打AI语音模拟面试、智能简历诊断、JD 精准匹配优化，一站式帮求职者系统性提升面试竞争力，高效拿下Offer。
机器之心编辑部 ICLR 2026 获奖论文已经公布。 今年共有 2 篇论文获得「杰出论文奖」（Outstanding Paper），另有 1 篇论文获得「荣誉提名」（Honorable Mention）；此外，还有 2 篇 ICLR 2016 论文获得「时间检验奖」（Test of Time Award）。
PlayerZero 刚刚宣布完成了 1500 万美元的 A 轮融资，由 Foundation Capital 的 Ashu Garg 领投，他也是 Databricks 的早期支持者。这是继 Green Bay Ventures 领投的 500 万美元种子轮之后的又一轮融资。
阶跃星辰今日发布新一代自动语音识别模型StepAudio 2.5 ASR。该模型面向语音转写与长音频处理场景，在架构上引入Multi-Token Prediction（多Token预测）以提升推理效率，并通过扩展上下文窗口强化长内容识别能力。
AI云平台服务提供商涂鸦智能在深圳举办了开发者大会，从AI开发者平台的重磅升级、Hey Tuya、TuyaClaw AI智能体的出色AI交互体验，以及宠物陪伴机器人等AI创新硬件，我们看到涂鸦正全力“All in AI”，全球IoT开发平台也升级为全球AI云开发平台。
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」。