标签：视觉模态

学术论文科普：“一图胜千言”的AI新解！DeepSeek如何用“视觉压缩”技术，为大模型的“长文本焦虑”找到解药？

你有没有遇到过这样的情况：给你的AI模型（比如ChatGPT）喂了一大篇论文或一部小说，结果它开始“犯迷糊”，或者运算速度慢得让你抓狂？这不是模型在偷懒，而是它遇到了一个所有大语言模型（LLM）的“阿喀琉斯之踵”：长文本处理的“二次方魔咒...

赞(0)

Banny2025-10-24AGI脉动 DeepEncoder 注意力机制视觉压缩视觉模态长文本焦虑阅读()去评论

快讯

OpenAI 发布 AI 浏览器 Atlas 挑战 Chrome 霸主地位

OpenAI 近日直播发布全新 AI 浏览器 ChatGPT Atlas。该浏览器基于 Chromium 内核，支持一键导入 Chrome 或 Safari 数据，并深度集成 GPT。其核心在于 AI 原生能力：侧边栏随时唤起 GPT 辅助浏览；强大记忆功能跨时空理解用户历史信息；最关键的 Agent 模式允许用户在授权后，让 AI 自动执行网页操作（如购物、订酒店、总结内容），鼠标可自主移动完成任务。Atlas 免费开放下载，引发 AI 浏览器大战。全文

20小时前
Google 开放内部 AI 课程平台！免费学习并直通就业

Google 推出 Google Skills 平台，向全球公众开放 DeepMind、Google Cloud 与 Gemini 团队的实战课程，提供超 700 个真实云环境实验。学员在动手实践中编写代码、构建模型，Gemini AI 实时辅助调试。完成课程获官方数字证书与技能徽章，82% 招聘方认可其资质。平台对接 150 多家合作企业，学员可进入候选人库，获得面试与实习机会。

20小时前
Qwen Deep Research 升级！支持一键生成多模态报告

阿里巴巴 Qwen 团队升级 Deep Research 工具，用户点击 1 至 2 次即可生成带引文的报告、交互网页和多说话者播客。系统依托 Qwen3 - Coder、Qwen - Image 与 Qwen3 - TTS 模型，自动完成数据分析、可视化与语音合成，无需配置基础设施。演示显示其能识别数据差异、计算复合增长率，并输出图文报告，再转换为网页或音频格式，推动智能科研与媒体创作发展。来源

20小时前
Sora 推出角色客串功能并将上线 Android 版

OpenAI 的 AI 视频工具 Sora 发布最新路线图，推出“角色客串”功能，用户可让宠物或玩具出演视频角色，并从已有视频中提取角色。应用更新界面展示热门客串角色，并加入基础视频编辑工具，支持拼接片段。平台将开放私人与社区频道，增强社群互动。团队优化内容审核与性能，并确认 Android 版即将上线，拓展更多创作者使用场景。

20小时前
Ollama 为个人用户提供免费的网络搜索服务
- Ollama 推出了一款新的网络搜索 API，可用于构建搜索代理或与现有工具集成。
- 该API提供免费套餐，更高速率限制可通过Ollama云服务获得。
- Web搜索功能可增强模型，提供最新信息，减少幻觉并提高准确性。
- 提供了多种集成方式，包括Python和JavaScript库、MCP服务器以及CLI。
4周前 (09-26)
B站的IndexTTS2开源了

B站备受期待的文本转语音模型 IndexTTS2 刚刚开源，立刻在开发者社区中掀起了一阵波澜 🔊。现在大家最关心的问题是：它的实际效果是否能媲美官方演示那般惊艳？幸运的是，你现在就可以前往GitHub查看源码并在Hugging Face上找到模型亲自测试一番 🔥。这一发布再次证明了大型科技公司正积极为开源世界贡献力量。🤔

1个月前 (09-10)