谷歌DeepMind新研究TIPSv2:让AI真正"看懂"图片,而不只是"扫一眼"
谷歌DeepMind最新研究揭示AI视觉模型存在“全局强、局部弱”的短板,并提出TIPSv2方案。该方案通过改进训练方法,使模型能更精准定位图像局部细节,如识别熊猫左后腿位置,解决了视觉-语言模型在精细分割任务上的长期难题。
谷歌DeepMind最新研究揭示AI视觉模型存在“全局强、局部弱”的短板,并提出TIPSv2方案。该方案通过改进训练方法,使模型能更精准定位图像局部细节,如识别熊猫左后腿位置,解决了视觉-语言模型在精细分割任务上的长期难题。
京东发布全球首个全链路具身智能数据基础设施JoyEgoCam,配备双摄像头,具备超高清采集和工业级性能,覆盖从数据采集到模型评测的全闭环流程。
腾讯混元团队开源视频生成加速方案DisCa,通过可学习特征缓存技术,在已蒸馏的少步模型上进一步压缩推理成本,提升生成速度。该方案代码与模型权重已公开,并被CVPR2026收录。
盖洛普调查显示,近半数美国员工在工作中使用人工智能,比例创历史新高。每日和每周频繁使用AI的员工比例均有所上升,表明AI正加速融入职场。
Hightouch 初创公司推出AI服务,让营销人员无需设计团队即可为知名品牌创建个性化内容,推动其年度经常性收入在20个月内增长7000万美元,总额达1亿美元。
OpenAI更新Agents SDK,新增沙箱功能,让智能代理在受控环境中运行,提升企业构建自动化助手的安全性与效率。
网络安全公司OX Security报告指出,Anthropic的MCP协议存在设计缺陷,其SDK的STDIO接口可导致远程代码执行,影响超20万台AI服务器。MCP作为开源标准,被广泛用于AI应用开发,此次漏洞引发行业高度关注。
湖南广电在第十三届中国网络视听大会上公布,芒果TV有效会员突破7560万。同时,其自研的“芒果大模型”已孵化80余款智能体,应用于30多档节目制作,提升生产效率超30%,AI技术已深度融入内容生产。
蚂蚁灵波科技开源流式三维重建模型LingBot-Map,仅用普通RGB摄像头即可实时估计相机位姿并重建三维场景,为机器人、自动驾驶及AR等领域提供在线建图能力。该模型采用流式处理架构,突破传统需完整序列的限制。
阿里巴巴ATH团队推出全新开放世界模型Happy Oyster,现已开放早期体验申请。该产品主打实时世界创建与交互能力,标志着阿里技术布局从视频生成延伸至交互式世界模型领域。用户可通过官网提交申请。
Anthropic近期更新频繁,本周或发布Claude Opus 4.7及新AI设计工具,消息导致Adobe等公司股价下跌超2%。
2026年AI智能体领域,Nous Research团队开发的Hermes Agent引发关注,GitHub获9W+星标,市场吸引力强。相比开源智能体领军者OpenClaw(龙虾),Hermes实力强劲并直接发起挑战。OpenClaw以连接
小米18 Pro曝光信息显示,其背部设计延续三摄与副屏方案,但渲染图仅为早期版本。新增专用AI按键成为另一看点。
美团推出“小团健康管家”,进军AI医疗赛道,将家庭健康管理与现有配送网络结合,利用AI技术拓展服务边界。
MiniMax发布全球首个云端沙箱MaxHermes,基于Hermes Agent构建。其核心在于自我进化能力,通过独特的学习闭环机制,在完成任务后自动提炼可复用技能,并依据反馈持续改进,实现“越聊越懂你”的深度交互,彻底告别传统AI能力固
腾讯开源混元3D世界模型2.0,支持文本、图片、视频等多模态输入,可自动生成、重建和模拟3D世界。模型支持Mesh、3DGS、点云等多种格式导出,能与游戏开发流程无缝对接,助力快速生成游戏地图与关卡原型,推动AI“造世界”技术发展。
Anthropic公司推出新模型Mythos,能有效发现安全漏洞,但可能引发混乱。为此启动Project Glasswing计划,邀请50多家行业合作伙伴测试模型,提前修复产品隐患,防范网络攻击。参与者包括亚马逊等企业。
Gizmo获2200万美元A轮融资,将用于扩大AI团队和拓展美国高校市场。该平台通过将笔记转为互动学习材料,已吸引全球超1300万用户。
硅谷AI实验室Nous Research旗下项目Hermes Agent被中国团队EvoMap指控抄袭其自进化引擎Evolver架构,未作引用。此事在社交平台获近19万关注,成AI社区热点。技术对比报告显示两者核心进化循环等多处高度重合。
Adobe推出Firefly AI Assistant,它能跨应用自主执行任务。用户只需用自然语言描述目标,它就能规划流程,在Photoshop、Premiere等Creative Cloud应用中完成操作并同步结果,重构创作工作流。