亚欧av一区二区三区,91美女一区二区射精

什么是VLM？為什么它對自動駕駛很重要？

VLM，即視覺語言模型，簡單理解下，其就是把“看見的東西”和“說出來的話”放在同一個腦子里理解的模型。我們平時把相機(jī)拍到的畫面交給視覺模型去做檢測、分割、深度估計這些任務(wù)，語音或文本交給語言模型去處理

VLM 自動駕駛 2026-02-13

GLM-5架構(gòu)細(xì)節(jié)浮出水面：DeepSeek仍是繞不開的門檻

離春節(jié)不到一周，過去兩年的經(jīng)驗(yàn)告訴我們，國產(chǎn)AI新產(chǎn)品的爆發(fā)期又要來了。 Kimi K2.5在OpenRouter上一騎絕塵，Minimax也在官網(wǎng)上隱隱約約透露出M2.2的版本代號。大家等得很焦急

大模型 DeepSeek 代碼 2026-02-11

視頻理解大模型覺醒！Video-o3發(fā)布：像偵探一樣主動搜尋關(guān)鍵幀，登頂Video-Holmes！

作者：Xiangyu Zeng等解讀：AI生成未來亮點(diǎn)直擊 Video-o3，一個創(chuàng)新的框架，它通過迭代地發(fā)現(xiàn)顯著的視覺線索、對關(guān)鍵片段進(jìn)行細(xì)致檢查以及在收集到足夠證據(jù)時自適應(yīng)終止搜索過程，解決了

視頻模型推理 Video-o3 2026-02-05

已有VLM，自動駕駛為什么還要探索VLA?

自動駕駛技術(shù)正處于發(fā)展的轉(zhuǎn)折點(diǎn)。過去十幾年間，行業(yè)長期依賴模塊化的技術(shù)路徑，即將駕駛?cè)蝿?wù)拆解為感知、預(yù)測、規(guī)劃和控制四個獨(dú)立環(huán)節(jié)。這種結(jié)構(gòu)雖然清晰，但在面對突發(fā)狀況時（長尾場景），會因規(guī)則覆蓋不足而表

自動駕駛 VLA 2026-02-03

智譜敲鐘，唐杰亮劍：GLM-5 將至，全面回歸基座

月 8 日，全球首家以通用人工智能（AGI）基座模型為主營業(yè)務(wù)的上市公司——?智譜AI（股份代號：02513.HK）在香港聯(lián)合交易所主板掛牌。其發(fā)行價 116.20 港元，開盤價 120 港元，收市

智譜敲鐘 2026-01-09

阿里通義開源圖像編輯模型 Qwen-lmage-Edit-2511：提升生成人物的一致性

剛剛，阿里通義宣布開源 Qwen-Image-Edit-2511。這是在 Qwen-Image-Edit-2509 基礎(chǔ)上的增強(qiáng)版本，包含多項(xiàng)改進(jìn)：減輕圖像漂移提升人物一致性集成 LoRA 能

阿里通義 2025-12-25

為國爭光！智譜GLM-4.7橫掃全球開源模型，超越GPT5.2

智譜又為國爭光了！智譜正準(zhǔn)備在港交所上市，即將成為全球大模型第一股。同時，發(fā)布了「GLM-4.7」模型。GLM-4.7最驚艷的是編程能力，在國產(chǎn)模型中排名第一。放眼全球，也是橫掃所有開源模型，甚至評分

智譜GLM-4.7 2025-12-25

智譜新一代編碼模型 GLM-4.7 來襲：樹立開源新標(biāo)準(zhǔn)

近日，智譜 AI 發(fā)布新一代旗艦 AI 模型 GLM-4.7。就在前不久，智譜推出的 GLM-4.5 在智能體、推理和編碼（ARC）任務(wù)中均取得了優(yōu)異的性能，在 TAU-Bench、AIME 24

智譜 2025-12-23

智譜 AutoGLM 開源：推動 AI 手機(jī)變革

12 月 9 日，智譜 AI 開源其核心 AI Agent 模型 AutoGLM，能夠“看懂”手機(jī)屏幕、模擬真人進(jìn)行點(diǎn)擊、滑動和輸入操作。此時距離字節(jié)跳動“豆包手機(jī)”引爆市場僅過去一周，那款能跨應(yīng)用

智譜 2025-12-11

Anthropic 論文指出：少量樣本會使任何規(guī)模的 LLM “中毒”

近日，Anthropic Alignment Science 團(tuán)隊發(fā)現(xiàn)，只需 250 份惡意文檔即可在大語言模型（LLM）中產(chǎn)生 “backdoor“ 漏洞——無論是多大的模型規(guī)�；蛴�(xùn)練數(shù)據(jù)。盡管

Anthropic 2025-11-17

Meta 與牛津大學(xué)合作論文：從語言預(yù)訓(xùn)練中揭開 LLM 視覺先驗(yàn)的起源

大型語言模型 (LLM) 盡管僅基于文本進(jìn)行訓(xùn)練，卻意外地能夠發(fā)展出豐富的視覺先驗(yàn)。這些先驗(yàn)使得模型能夠利用相對少量的多模態(tài)數(shù)據(jù)來解鎖潛在的視覺能力，從而完成視覺任務(wù)。在某些情況下，甚至無需任何圖像即

Meta 2025-11-17

LLM 在字符級文本處理方面越來越好

近日，一篇博客講述了 LLM 在處理字符級文本時的能力提升。作者表示，他一直在測試最新一代大型語言模型處理自然語言的能力，特別是字符計數(shù)、句子中的字符操作以及編碼和密碼解析。令人驚訝的是，與前幾代

LLM 2025-11-14

Anthropic 新論文：LLM 涌現(xiàn)出的內(nèi)省跡象

了解人工智能系統(tǒng)是否真正具備內(nèi)省能力，這將有助于理解其推理過程并調(diào)試行為問題。 Anthropic 的最新研究表明，目前的 Claude 模型具備一定程度的內(nèi)省意識，并且能夠控制自身的內(nèi)部狀態(tài)。雖然種

Anthropic 2025-11-14

首個基于LLM的開源音頻大模型！階躍星辰重磅開源Step-Audio-EditX：P聲音如此簡單！

作者：Chao Yan等解讀：AI生成未來亮點(diǎn)直擊首個開源的 LLM 音頻編輯模型:Step-Audio-EditX，首個基于大語言模型（LLM）的開源音頻模型，不僅擅長表現(xiàn)力豐富和可迭代的音頻

音頻 Step-Audio-EditX 編輯 2025-11-07

字節(jié) Seed 團(tuán)隊發(fā)布循環(huán)語言模型 Ouro：LoopLM 架構(gòu)引人注目

部署擁有數(shù)千億參數(shù)的模型需要龐大的基礎(chǔ)設(shè)施，這會增加延遲和成本，并限制其可用性。這個時候，參數(shù)效率就變得至關(guān)重要。研究人員探討，如何在固定的參數(shù)預(yù)算內(nèi)實(shí)現(xiàn)更優(yōu)的模型性能。為了實(shí)現(xiàn)這種參數(shù)效率，目前

字節(jié)跳動 2025-11-04

自動駕駛中常提的VLM是個啥？與VLA有什么區(qū)別？

自動駕駛車輛要在復(fù)雜多變的道路環(huán)境中安全行駛，不僅需要“看見”前方的車輛、行人和路面標(biāo)志，還需要“讀懂”交通標(biāo)識上的文字提示、施工告示牌和乘客的語言指令。之前和大家討論過VLA（相關(guān)閱讀：自動駕駛中常

模型圖像視覺自動駕駛 2025-08-08

聊聊MoA（混合智能體架構(gòu)）：如何激發(fā)LLM潛力并掀起語言模型協(xié)作革命？

全文約 3500 字，預(yù)計閱讀時間約 9 分鐘近年來，大型語言模型（LLMs）在自然語言處理領(lǐng)域掀起了一場風(fēng)暴，從對話生成到復(fù)雜任務(wù)推理，它們的表現(xiàn)令人驚嘆。然而，單個模型的性能總有瓶頸，訓(xùn)練成本高昂且資源需求巨大

MoA 模型 AlpacaEval 2025-05-13

OpenAI推出新一輪企業(yè)級功能，強(qiáng)化GPT-4 Turbo LLM和其他模型

（本篇文章共884字，閱讀時間約1分鐘）圖源：互聯(lián)網(wǎng) OpenAI宣布了其面向API客戶的企業(yè)級功能擴(kuò)展，進(jìn)一步豐富了其Assistants API，并引入了新工具，旨在增強(qiáng)安全性和管理控制，以及更有效地管理成本

OpenAI GPT-4 2024-04-24

技術(shù)創(chuàng)新：蘋果在閃存上存儲大型語言模型（LLM）引領(lǐng)未來AI發(fā)展

（本篇文篇章共1135字，閱讀時間約1分鐘） 2023年12月22日，據(jù)多家媒體報道，蘋果正積極探索在閃存上存儲大型語言模型（LLM）的技術(shù)創(chuàng)新，并計劃將其引入iPhone、iPad和Mac等設(shè)備，以在資源有限的環(huán)境中提高人工智能（AI）的運(yùn)行效率

蘋果閃存 2023-12-22