ETT：打破原生多模态学习视觉瓶颈，重塑视觉tokenizer优化范式
本文由北京智源研究院多模态大模型研究中心（团队负责人王鑫龙，团队代表作 EMU 系列、EVA 系列、Paint…
夸克发布行业首个“高考深度搜索”，一句话生成志愿填报方案
“河南郑州二模549分，历史类，一本线517分，推荐一下应该怎么报考”。高考临近，这类问题成为考生和家长搜索查…
稳健、经济、高度可定制化，自动化高通量电化学表征平台AHTech来了
编辑丨coisini 电化学领域的假设构建与实验设计主要依赖文献经验和研究者的直觉，其验证过程通常耗费资源且需…
AI辅助的昆虫视觉体验，上理工等开发4.3兆像素的微米级仿生复眼相机
编辑丨% 科学家开发了一种 AI 辅助的仿生复眼相机。 炎炎夏日，相信各位读者都有被蚊子骚扰过的恼火记忆。但往…
传统云还在「卖铁」，下一代云已在「炼钢」：火山引擎xLLM如何一张卡榨出两张的性能！
大模型越来越聪明，企业却似乎越来越焦虑了。 模型性能突飞猛进，从写文案到搭智能体（Agent），AI 掌握的技…
One RL to See Them All？一个强化学习统一视觉-语言任务！
强化学习 (RL) 显著提升了视觉-语言模型 (VLM) 的推理能力。然而，RL 在推理任务之外的应用，尤其是…
让视觉语言模型像o3一样动手搜索、写代码！Visual ARFT实现多模态智能体能力
在大型推理模型（例如 OpenAI-o3）中，一个关键的发展趋势是让模型具备原生的智能体能力。具体来说，就是让…
北大团队发布首篇大语言模型心理测量学系统综述：评估、验证、增强
随着大语言模型（LLM）能力的快速迭代，传统评估方法已难以满足需求。如何科学评估 LLM 的「心智」特征，例如…
两岁的Llama，最初的14位作者已跑了11个！Mistral成最大赢家
他们都是 Meta 的顶尖人才。 Meta 开源 Llama 模型家族帮助该公司制定了 AI 战略，某种程度上…
舍弃自回归！国内团队打造纯扩散多模态大模型LLaDA-V，理解任务新SOTA
本文介绍的工作由中国人民大学高瓴人工智能学院李崇轩、文继荣教授团队与蚂蚁集团共同完成。游泽彬和聂燊是中国人民大…