搜索
Meta 发布了一项令人震撼的研究工作 VLM³，首次揭示了三维视觉学习的 Bitter Lesson：标准的视觉语言模型 + scale 数据就是最简单有效的范式，针对特定任务的架构、损失函数以及数据增强的设计，甚至是 regression 的 formulation，均不是三维视觉学习的必要条件。
第一次看到杭州某家公司的宠物翻译器报道时，我的反应很直接：这不就是新一代智商税吗？
奥特曼亲口承认，OpenAI内部token消费冠军月烧1000亿个，还不是全球第一。
在交互式虚拟世界和具身智能快速发展的今天，高质量 3D 资产已经不再只是 “看起来像” 就足够。一个柜门不仅要有柜门的外观，还需要知道绕哪条轴旋转；一个按钮不仅要有按钮的形状，还需要具备 “按下 / 弹起” 的状态；一个抽屉不仅要有完整几何，还需要拥有滑动方向、运动范围、材质和质量等物理属性。该研究已被 ICML 2026 接收。
不过，好用归好用，常规渠道订阅一个月大概需要 140 元，长期积累下来也是一笔不小的开销。最近我研究了不同的订阅途径，发现通过土耳其区进行订阅，费用大概能省下一半。
这两天 Codex 登录的事算是暂时翻篇了。
自今年2月以来，AxiomProver已让8篇覆盖最硬核领域的AI论文现身arXiv，6篇正在筹备。上午出题下午交卷的节奏，让博士生秃头、教授评职称的日子一去不复返。接下来AI能做到什么？
要说这段时间的热门 AI 产品，Codex 必然是绕不过去的话题。
多智能体协作对于解决复杂问题虽然具有巨大优势，但是其架构本质上易出现错误传播，因为由不正确的工作流生成或单智能体幻觉输出引起的错误会沿着协作链蔓延，影响最终结果。
很多人说，在 AI 时代，品味是人类最后的护城河。但 Boris Cherny 不这么认为。