搜索
近年来，3D 生成模型在几何质量和渲染效果上进步很快。从 Mesh 到 NeRF、3D Gaussian Splatting，生成一个外观完整的三维物体已经不再困难。现有不少 articulated 3D generation 工作，更多关注的是从输入中生成一整套可动 3D 资产，包括物体几何、部件划分以及关节结构。
现在的大模型，已经越来越擅长从自然语言直接生成一个可以运行的游戏。
什么！我没听错吧？
近期，六角未来沿着 Physical Coding 的思路，进一步构建了 HexaShell-Preview。根据官方评测结果，在 RoboDojo 全部 42 项任务上，HexaShell-Preview 取得了 46.9% 的成功率、53.2 的进度得分，成功率高出第二名 7.5 个百分点，领跑 RoboDojo-Agent 榜单。
如何把屏幕上罗列的实验流程准确变成一连串的实际操作？这个问题直指 AI 科研落地的核心门槛：AI 能够输出可行的实验方案，却很难自主完成整套线下实操。
让全网信息变成合作机会。
AI圈，最近集体盯上了三个字母：RSI。
从通用模型到个性化智能，人工智能的竞争正在向长期学习与专属能力沉淀延伸。
就在刚刚，Anthropic给出惊人预测—— 到2030年，AI或将让美国GDP飙升至44万亿美元。
自Hy4 Preview发布以来，它最受人关注的地方就是全链路RSI，这也是腾讯混元首个自己全程参与研发的模型。通过全链路RSI能给模型带来大幅性能提升。