新闻动态
-
202403-25
- 剑桥团队开源：赋能多模态大模型RAG应用
- 论文链接：https://arxiv.org/abs/2402.08327DEMO链接：https://u60544-b8d4-53eaa55d.westx.s...
-
202403-25
- CVPR 2025 | 零样本6D物体姿
- 在许多实际应用中，物体姿态估计扮演着关键角色，比如在具身智能、机器人操作和增强现实等领域。在这一领域中，最先受到关注的任务是实例级别6D姿态估计，其需要关于目标...
-
202403-25
- 3D版Sora来了？UMass、MIT等
- 在最近的研究中，视觉-语言-动作（VLA，vision-language-action）模型的输入基本都是2D数据，没有集成更通用的3D物理世界。此外，现有的模...
-
202403-25
- 3140参数Grok-1推理加速3.8倍
- 马斯克说到做到开源Grok-1，开源社区一片狂喜。但基于Grok-1做改动or商用，都还有点难题：Grok-1使用Rust+JAX构建，对于习惯Python+P...
-
202403-25
- 零样本6D物体姿态估计框架SAM-6D，
- 物体姿态估计在许多现实世界应用中扮演着关键角色，如具身智能、机器人灵巧操作和增强现实等领域。在这一领域中，最先受到关注的任务是实例级别6D姿态估计，其需要关于目...
-
202403-25
- CNN、Transformer、Unif
- 视频理解的核心目标是准确理解时空表示，但面临两个主要挑战：短视频片段中存在大量时空冗余，并且复杂的时空依赖关系。三维卷积神经网络（CNN）和视频Transfor...
-
202403-16
- 刷榜「代码生成」任务！复旦等发布Step
- 大型语言模型（LLMs）的进步在很大程度上推动了代码生成领域的发展。此前的研究中，强化学习（RL）与编译器的反馈信号被结合在一起，用于探索LLMs的输出空间，以...
-
202403-15
- 通过实时调试，让AI编写有效的UI自动化
- 作者简介ThalesFu，携程高级研发经理，致力于寻找更好的方法，结合AI和工程来解决现实中的问题。引言在快速迭代的软件开发周期中，用户界面（UI）的自动化测试...
