让AI看懂空间,却不告诉它答案:一个关于"特权信息"的实验
本文解读浙大团队提出的GPD方法:训练视觉语言模型时偷偷提供深度、语义、鸟瞰图等三维几何信息作为"特权",仅纠正推理错误轨迹,部署时模型仍只用RGB图片推理,显著提升空间推理准确率。
本文解读浙大团队提出的GPD方法:训练视觉语言模型时偷偷提供深度、语义、鸟瞰图等三维几何信息作为"特权",仅纠正推理错误轨迹,部署时模型仍只用RGB图片推理,显著提升空间推理准确率。
这篇论文提出SuperNav,一套让通用多模态大模型通过技能包、工具和上下文管理来指挥导航的智能体框架,无需专门微调即可跨任务跨场景完成复杂导航,并在真实四足机器人上完成部署验证。
RTX Spark 算力更强,M5 Max 内存带宽更高,究竟谁更适合本地 AI?从大模型推理、长文档处理到 Agent 真实任务,我们结合海外实测数据,分析两种架构的性能差异。结果发现,决定胜负的可能不是参数规模,而是...
AgentGarten用代码引擎管世界规则、神经渲染器管画面真实感,让预训练智能体靠playbook笔记机制自我复盘进步,仅4轮游戏就学会搭建庇护所,远快于传统强化学习需要数千万局的训练成本。
央视网刊载《新型电网建设 关键看系统协同》,点明十五五阶段巨额电网固定资产投资之下,新型电网建设的核心考核标尺不在于基建体量,而在于系统协同的落地成。
当一辆智能汽车上路,真正决定其安全与体验的,早已不是某一块座舱芯片的算力高低,而是遍布全车的数百颗芯片能否像一个器官系统般协同运转。
11月5日,第九届中国国际进口博览会在上海国家会展中心拉开大幕。作为我国持续扩大高水平对外开放的标志性平台,进博会也是全球新品“首发”、前沿技术“首秀”的重要展会。
本文介绍SimpleICL框架,首次明确定义机器人上下文学习该遵循哪些语义、忽略哪些干扰,并提出低成本数据采集方案,在仿真与真实环境中均取得领先的零样本泛化表现。
本文介绍Compo模型,它用"空间画布接口"取代纯文字提示词生成海报,支持语义、身份、文字、像素四种绑定方式,配合自动化数据流水线和两阶段训练,在结构化海报生成任务上显著超越现有通用与专用模型。
该研究发现多模态检索模型存在系统性模态偏好,无关文字常把真正相关的图片挤出检索结果,称为文本中的混乱。研究团队提出Trident框架,通过构建文字图片融合三视角正例并设计多正例视角InfoNCE损失,显著提升了混合模态检...
2026年11月5日下午,“X-Day”西丽湖路演社亚太数智创新专场在深圳大学城国际会议中心成功举办。活动以“拥抱数智、链接全球”为主题,聚焦AI硬件跨境产业优势与亚太区域创新合作,共吸引头部投资机构、优质创业团队、行业...
摩尔线程AICUBE全面升级:打通全屋家电控制与AI NAS直控,小麦化身“家庭AI管家”
摩尔线程推送MTT AIOS 1.6.1,MTT AICUBE迎来发布以来最重要升级:“小麦”支持全屋跨生态智能家电控制、AI NAS直控与桌宠模式,“摩尔小麦”手机客户端同步上线。
西湖大学团队提出SparseDecoding,发现大模型剪枝校准数据与真实解码场景存在分布偏差,通过让模型自我生成校准数据并设计专用N:M稀疏计算内核,在提升长文生成质量同时实现最高1.48倍解码加速。
本文介绍Trace2Env框架,它利用历史交互轨迹构建"世界书",让AI智能体扮演环境角色,在九个环境中验证了模拟观测的真实性和多轮交互的一致性表现。