Meta斯坦福大学联合团队全面研究多模态大模型（LMM）中驱动视频理解的机制，扩展了视频多模态大模型的设计空间，提出新的训练调度和数据混合方法，并通过语言先验或单帧输入解决了已有的评价基准中的低效问题。
“很长一段时间，Product Hunt上中国团队开发的产品以工具类为主，当我们作为一款社交产品出现在榜单上的时候，迅速引发了行业关注”GiddyGiddy创始人李国洪谈到上线不久的产品，惊讶中透露几分肯定，“这款产品在硅谷也非常受认可，包括IBM和斯坦福的相关人士和我们也有交流，大家都认为以人为本在社交产品中更重要。”
斯坦福天才少女，让AI视频的格局再次颠覆！Pika 2.0上线不久即引发全网狂潮，强大场景元素功能、超强文本对齐、深刻物理学理解，让它在AI视频大混战中脱颖而出，效果不输谷歌Veo 2.0。网友们疯狂实测，人手一部广告大片。
Mamba 这种状态空间模型（SSM）被认为是 Transformer 架构的有力挑战者。近段时间，相关研究成果接连不断。而就在不久前，Mamba 作者 Albert Gu 与 Karan Goel、Chris Ré、Arjun Desai、Brandon Yang 一起共同创立的 Cartesia 获得 2700 万美元种子轮融资。
遵循世界的 3D 特性，很多事就会变得自然而然。 说到斯坦福大学教授李飞飞（Fei-Fei Li），她提倡的「空间智能」最近正在引领 AI 发展方向。
多模态大模型在听觉上，居然也出现了「9.11>9.8」的现象，音量大小这种简单问题都识别不了！港中文、斯坦福等大学联合发布的AV-Odyssey基准测试，包含26个视听任务，覆盖了7种声音属性，跨越了10个不同领域，确保测试的深度和广度。
刚刚结束Pre-A轮融资，穹彻智能再次完成数亿元Pre-A+轮融资！至此，穹彻智能在短短半年内，已经完成两轮数亿元融资。该轮融资由红杉中国领投。
AI技术正重塑全球就业市场。在生成式AI、边缘计算等前沿领域，技术突破不断，职业需求迅猛增长。根据斯坦福《THE AI INDEX REPORT 2024》，生成式AI相关招聘岗位在2023年增长了13倍，成为就业市场增长最快的细分方向之一。
斯坦福大学推出的IKEA Video Manuals数据集，通过4D对齐组装视频和说明书，为AI理解和执行复杂空间任务提供了新的挑战和研究基准，让机器人或AR眼镜指导家具组装不再是梦。
近年来，文本到图像扩散模型为图像合成树立了新标准，现在模型可根据文本提示生成高质量、多样化的图像。然而，尽管这些模型从文本生成图像的效果令人印象深刻，但它们往往无法提供精确的控制、可编辑性和一致性 —— 而这些特性对于实际应用至关重要。
