AI资讯新闻榜单内容搜索- AI

AITNT-国内领先的一站式人工智能新闻资讯网站
# 热门搜索 #
搜索:  AI
新国立x可灵AI提出DiffusionART:超高效稳定可扩展的Diffusion RL算法,让视频后训练提速10倍以上

新国立x可灵AI提出DiffusionART:超高效稳定可扩展的Diffusion RL算法,让视频后训练提速10倍以上

新国立x可灵AI提出DiffusionART:超高效稳定可扩展的Diffusion RL算法,让视频后训练提速10倍以上

来自新加坡国立大学、可灵 AI 和香港科技大学的研究团队提出了 DiffusionART,一种面向图像和视频生成的在线 Diffusion RL 算法。该方法支持采用 ODE 采样,不要求奖励模型可微,也无需额外调参,可自然适配标量奖励、二值偏好奖励等多种奖励形式,具有极高的样本效率。

来自主题: AI技术研报
8314 点击    2026-10-30 10:54
独家|蚂蚁领投矩侨工业亿元融资,柔性触觉切入构建Physical AI全模态人类数据感知底座

独家|蚂蚁领投矩侨工业亿元融资,柔性触觉切入构建Physical AI全模态人类数据感知底座

独家|蚂蚁领投矩侨工业亿元融资,柔性触觉切入构建Physical AI全模态人类数据感知底座

Z Potential独家获悉,柔性织物触觉传感企业矩侨工业近日完成亿元A轮融资,由蚂蚁集团领投,老股东零以创投、威海港融及青岛和信跟投,多维资本担任长期独家财务顾问。本轮资金将主要用于织物电子皮肤规模化量产与交付、触觉及多模态感知技术研发,以及机器人、智能家居和医疗康养等场景的产品拓展。

来自主题: AI资讯
9070 点击    2026-10-30 10:32
空间智能,究竟需要什么样的数据?访谈映界科技、港城副教授马辰

空间智能,究竟需要什么样的数据?访谈映界科技、港城副教授马辰

空间智能,究竟需要什么样的数据?访谈映界科技、港城副教授马辰

从 GPT-6 在演示里用 Blender 做三维建模,到 AI 短剧占据越来越多的屏幕时间,再到机器人走进真实场景,看似不同的应用,正指向一组共同的能力要求:理解物体在哪里、彼此如何关联、状态怎样随时间变化,以及采取行动可能带来什么结果。

来自主题: AI资讯
6447 点击    2026-10-30 10:31
中国AI刷爆英伟达GPU性能榜,这家公司拿下88项第一

中国AI刷爆英伟达GPU性能榜,这家公司拿下88项第一

中国AI刷爆英伟达GPU性能榜,这家公司拿下88项第一

近日,在NVIDIA Research推出的GPU算子性能评测榜单SOL-ExecBench [1] 上,无问芯穹(Infinigence AI)取得亮眼成绩: 先后登顶L1基础算子、L2融合算子、Quant量化算子与FlashInfer-Bench推理算子全部四大赛道。

来自主题: AI资讯
9367 点击    2026-10-29 11:49
效果上不去?蚂蚁把「调AI」这件事,也交给了AI

效果上不去?蚂蚁把「调AI」这件事,也交给了AI

效果上不去?蚂蚁把「调AI」这件事,也交给了AI

每个做 AI 系统的人都经历过这个阶段:效果上不去,又不知道往哪使劲——读轨迹、改 prompt、调配置,靠人一轮轮试,一试就是好几天。

来自主题: AI技术研报
8393 点击    2026-10-29 11:25
Personal Agent火了,Google等提出StreamVibe,让Agent在交互中读懂用户动态意图

Personal Agent火了,Google等提出StreamVibe,让Agent在交互中读懂用户动态意图

Personal Agent火了,Google等提出StreamVibe,让Agent在交互中读懂用户动态意图

近期,Meta 的 Muse、OpenAI 的 Dot 等产品相继推出,让 Personal Agent(个人智能体)再次成为大模型领域的关注焦点。相比传统的对话助手,这类 Agent 不再局限于回答问题,而是能够结合用户的个人背景、历史记忆与应用上下文,主动执行任务并持续推进长期目标。一个更具主动性、能够长期陪伴用户的 AI 助手,正在逐渐成为现实。

来自主题: AI技术研报
8547 点击    2026-10-29 10:51
Z Potentials | 元材:AI for Materials的下半场不在生成,而在跨尺度验证和产线闭环

Z Potentials | 元材:AI for Materials的下半场不在生成,而在跨尺度验证和产线闭环

Z Potentials | 元材:AI for Materials的下半场不在生成,而在跨尺度验证和产线闭环

材料是 AI 最难进入的行业之一。实验周期长,数据采集难度大;材料的理论性能与成品的实际性能存在差异;并且材料从实验室走到工业界有巨大量产鸿沟。因此,一种新材料从确定原子怎么排列,到在产线上稳定量产,通常要走十年以上。

来自主题: AI资讯
8232 点击    2026-10-28 14:47