给视频生成装上“物理外脑”：NTU团队提出VChain，用视觉推理解决画面“穿帮”难题
视频生成模型常因缺乏物理常识导致画面穿帮。南洋理工大学团队推出VChain框架，首次引入“视觉思维链”机制。该方案利用多模态大模型进行逻辑推演并指导视频生成，在常识与因果规律测评中表现优异，零重训实现...
排序
读懂音乐时间线到底有多难？复旦与字节联手打造GaMMA，多模态大模型终于学会“按秒听歌”
音乐时序理解一直是多模态大模型的致命短板。复旦联合字节推出GaMMA模型，创新采用双编码器融合网络与GRPO强化学习，让大模型真正读懂音乐时间线。实验表明，它在音乐结构拆解与时序任务上超越Gemini...
搜索框变成24小时智能体！谷歌I/O大会用Gemini 3.5 Flash掀起新风暴
Gemini 3.5 Flash正式发布，解决大模型高延迟与高成本的落地痛点。谷歌以此为核心全面重构搜索框与Workspace，将其升级为24小时不间断工作的智能体，这标志着大模型竞争已从跑分转入智能...
让AI自己进化“外骨骼”！复旦联手北大开源AHE框架，刷爆榜单的底层技术长啥样？
AHE自进化框架针对大模型Agent在长期工程中Harness难以手动调优的痛点，通过可观测性驱动，实现了端到端自动进化。复旦等团队实测表明，该方案助力GPT-5.4在基准测试上绝对提升7.3%，展现...
硬科技被困在“无人区”？看长三角如何用“并联游戏”打破产业化“死亡谷”
硬科技成果转化正面临“有先进技术却无配套产业链”的死亡谷困境。长三角通过“一条龙”计划打破传统串联式研发，构建“基础研究-中试-应用”的并联供需联盟，成功跑通合成生物、工业相机等无人区项目的闭环，为产...
告别一次性调优！同济等高校打破表格树大根深的高壁垒：OFA-TAD如何凭一个模型通吃金融与医疗跨域数据？
表格异常检测长期面临‘一个数据表训一次模型’的痛点。同济联合团队推出OFA-TAD框架，通过将表格数据翻译为语义无关的‘距离画像’并引入MoE自适应机制，成功实现免微调跨域部署，在34个数据集上斩获优...
从OpenAI、DeepSeek到最热具身智能：追踪五年67位“字节奖学金”得主的AI激荡史
字节跳动奖学金正式启动2026全球申请！针对全球高校算力与经费告急的科研痛点，项目打破地域边界并增设导师配套资金。追踪历届67位获奖得主发现，他们已成为OpenAI、DeepSeek、生数科技、Met...
拒绝对齐固定模板！清华与VAST用策略梯度赋予3D生成“自适应智商”，算力从此告别粗暴平摊
3D生成技术面临资源固定分配瓶颈。VAST与清华联合提出DeG新范式，将连续回归问题转化为可微分强化学习采样策略，实现非均匀的智能空间密度控制。实测表明，在画质接近的情况下，该模型可将高斯球算力成本削...
砍掉93%无效计算！清华等提出TaH架构，治好了小模型的“钻牛角尖”旧疾
大模型推理低效怎么破？清华大学等研发出TaH选择性潜空间迭代框架，直击Looped Transformer过度思考痛点。该方案通过轻量级决策器跳过93%的非必要迭代，将算力集于关键token，从而使小...
告别手脑脱节！卧安OneModel 1.7用一条隐式通路，让机器人看懂还能做对
具身智能面临世界模型看懂了但机器人做不对的痛点。卧安推出OneModel 1.7，通过隐式传导通路与RL机制打通这一断层。实测显示其在LIBERO达99%成功率，真机接乒乓球达91.2%，完成了从理解...