
刚刚,OpenAI星际之门要建5GW数据中心,马斯克祭出AI基建5年计划
刚刚,OpenAI星际之门要建5GW数据中心,马斯克祭出AI基建5年计划昨天,《华尔街日报》报道称,OpenAI 和软银在推迟了 6 个月的星际之门(Stargate)项目上出现了争执,并大幅缩减了近期计划。
昨天,《华尔街日报》报道称,OpenAI 和软银在推迟了 6 个月的星际之门(Stargate)项目上出现了争执,并大幅缩减了近期计划。
3D生成又补齐了一块重要拼图——物理属性! 南洋理工大学-商汤联合研究中心S-Lab,及上海人工智能实验室合作提出了PhysXNet,号称首个系统性标注的物理基础3D数据集。
AI创造力源于架构缺陷带来的约束(局部性与平移等变性),而非数据堆砌或“涌现”智能。这种约束类似人类“功能固着”的反面,迫使AI重组局部特征,从而创新。提升AI创新可主动设计约束架构、制造数据信息差、优化提示词。这挑战了追求AGI需模仿人脑的假设。
我们知道,训练大模型本就极具挑战,而随着模型规模的扩大与应用领域的拓展,难度也在不断增加,所需的数据更是海量。大型语言模型(LLM)主要依赖大量文本数据,视觉语言模型(VLM)则需要同时包含文本与图像的数据,而在机器人领域,视觉 - 语言 - 行动模型(VLA)则要求大量真实世界中机器人执行任务的数据。
Replit开发协作平台的AI编码代理意外删除了用户Jason公司的整个生产数据库。Replit起初声称无法回滚
在噪声污染严重影响预训练数据的质量时,如何能够高效且精细地精炼数据? 中科院计算所与阿里Qwen等团队联合提出RefineX,一个通过程序化编辑任务实现大规模、精准预训练数据精炼的新框架。
从「冷板凳」到「白宫座上宾」,奥特曼用不到一年时间完成华丽转身:他与特朗普把酒言欢、豪掷500亿美元布局数据中心,替下曾经的「宠儿」马斯克,掌控美国AI舵盘。华盛顿的风向,为何突然调头?
你有没有想过,传统的销售模式可能真的完蛋了?我最近一直在思考这个问题。那种疯狂招聘销售人员、购买海量客户数据、发送铺天盖地邮件的增长策略,正在迅速失效。转化率在下降,销售配额越来越难完成,销售团队开始质疑一个根本问题:这套方法还管用吗?
具身这么火,面向具身场景的生成式渲染器也来了。 中科院自动化所张兆翔教授团队研发的TC-Light,能够对具身训练任务中复杂和剧烈运动的长视频序列进行逼真的光照与纹理重渲染,同时具备良好的时序一致性和低计算成本开销。
现有视频异常检测(Video Anomaly Detection, VAD)方法中,有监督方法依赖大量领域内训练数据,对未见过的异常场景泛化能力薄弱;而无需训练的方法虽借助大语言模型(LLMs)的世界知识实现检测,但存在细粒度视觉时序定位不足、事件理解不连贯、模型参数冗余等问题。