论文第一作者为余鑫，香港大学三年级博士生，通讯作者为香港大学齐晓娟教授。主要研究方向为生成模型及其在图像和 3D 中的应用，发表计算机视觉和图形学顶级会议期刊论文数十篇，论文数次获得 Oral, Spotlight 和 Best Paper Honorable Mention 等荣誉。此项研究工作为作者于 Adobe Research 的实习期间完成。
幻觉（Hallucination），即生成事实错误或不一致的信息，已成为视觉-语言模型 (VLMs）可靠性面临的核心挑战。随着VLMs在自动驾驶、医疗诊断等关键领域的广泛应用，幻觉问题因其潜在的重大后果而备受关注。
晚点：过去将近 6 个月，AI 领域最重要的两件事，一是 OpenAI 去年 9 月 o1 发布，另一个是近期 DeepSeek 在发布 R1 后掀起全民狂潮。我们可以从这两个事儿开始聊。你怎么看 o1 和 R1 分别的意义？
轨迹可控的视频生成来了，支持三种不同级别的轨迹控制条件——分别为掩码、边界框和稀疏框。研究人员提出了MagicMotion，一种创新的图像到视频生成框架，共同第一作者为复旦大学研究生李全昊、邢桢，通讯作者为复旦大学吴祖煊副教授。
在AI领域，最强“小强”指向明确：IOI奥赛金牌得主、清华姚班天才、旷视6号员工——范浩强。公司原力灵机，去年12月17日在海淀区注册，刚刚从水下空降般浮出水面，同日宣布近期完成2亿元天使轮融资，投资方包含君联资本、九坤创投、启明创投。
在Stable Diffusion当中，只需加入一个LoRA就能根据图像创建3D模型了？
最近 Steam AI 驱动的游戏数量也在逐渐增多，涵盖了派对游戏、恋爱模拟等各个品类，很多游戏的玩法创新都能让人眼前一亮。
在ChatGPT上，当你画图的选项变成这个的时候，就说明用的不是Dalle3了，而是4o。目前，有两个渠道可以使用4o Image Generation。一个事ChatGPT，一个是单独的那个Sora的网站。
本文基于一项系统性研究《A Survey on the Optimization of Large Language Model-based Agents》，该研究由华东师大和东华大学多位人工智能领域的研究者共同完成。研究团队通过对大量相关文献的分析，构建了一个全面的LLM智能体优化框架，涵盖了从理论基础到实际应用的各个方面。您有兴趣可以找来读一下这篇综述。
据当地媒体报道，韩国 AI 应用芯片初创公司 FuriosaAI 拒绝了 Meta 的 8 亿美元收购，选择继续专注于开发和生产其 AI 芯片。
