跳到正文
AI NEWS JOURNAL
AI, IN PERSPECTIVE

搜索 AI 资讯

检索标题、摘要与正文,把分散的信息连起来。

按发布时间排序

Kimi K3.1 Pro现已在Token Pass中上线

Token Pass,Vercel 面向专业团队的抢先体验订阅服务,现已包含 Kimi K3.1 Pro,这是 Moonshot AI 针对编码和智能体工作流打造的最先进模型,具备视觉理解、工具调用能力,并拥有 1M 的上下文窗口。每支团队每月只需支付 30 美元,即可通过 AI Gateway 获得价值 80 美元的编码代理月度额度,且请求数据零留存。该订阅还提供对 GLM 5.3、GLM 5.3 Flash 和 DeepSeek V4.1 Flash 等其他模型的访问权限,未来还将陆续上线更多模型。

Wabi为其面向消费者的AI助手融资5500万美元

专注于为消费者打造人工智能助手的Wabi公司今日宣布,已成功筹集5500万美元融资。本轮融资由IVP领投,亚马逊Alexa基金、安德森·霍洛维茨和Forerunner等机构也参与投资。此外,还包括一批天使投资人,其中包括Salesforce公司首席执行官马克·贝尼奥夫和Shopify公司首席执行官托比·吕特克。文章《Wabi为其面向消费者的AI助手融资5500万美元》首发于SiliconANGLE。

事件进展与其他报道

工业智能:制造业的下一个增长机遇

每家制造商都有自己独特的工业智能。有些已形成文档,有些则沉淀在经验丰富的员工的脑海里。试想一位经验丰富的操作员,在换线后准备重新启动生产线。机器的设置固然重要,但了解某种材料的特性、上一班次发生了什么,以及某个看似微不足道的……也同样不可或缺。

事件进展与其他报道

Oddin:通过图像生成的自蒸馏实现统一多模态模型中的潜在视觉推理

arXiv:2610.33062v1 发布类型:新 摘要:统一的大型多模态模型(ULMMs)能够通过交错进行的文本-图像生成来执行视觉推理,但生成显式的中间图像会带来显著的计算开销。尽管视觉潜在推理可以解决这一问题,但现有方法大多依赖于无法进行视觉生成的视觉-语言模型(VLMs)。我们提出了一种名为Oddin的新框架,能够在ULMMs中实现潜在的视觉推理。Oddin用紧凑的潜在标记取代中间图像,这些标记完全由理解分支处理,而生成分支则专门用于生成最终输出图像。我们通过离线自蒸馏训练该模型,包含三项优化目标:最终图像生成损失、文本蒸馏损失以及交叉熵损失,用于

事件进展与其他报道

OpenAI 推出 GPT-6.1 Terra,以半价实现更快速、性能更优的 AI 智能体

OpenAI 集团 PBC 今日发布了 GPT-6.1 Terra,这是其前沿人工智能系统系列中的一款中端模型的升级版。这款新模型是 GPT-5.6 Terra 的继任者,成本降低了约 50%,同时在处理计算机使用任务时速度更快、精度更高。Terra 被定位为 OpenAI 产品线中的日常应用模型,旨在[…] 该文章《OpenAI 推出 GPT-6.1 Terra,以半价实现更快速、性能更优的 AI 智能体》首发于 SiliconANGLE。

事件进展与其他报道

Anthropic已提交拟议首次公开募股的S-1文件

人工智能巨头Anthropic PBC今日向美国证券交易委员会提交了首次公开募股申请文件,这使其有望迎来迄今为止规模最大的人工智能开发企业上市。与此同时,有关先进人工智能的警告之声不绝于耳。在提交的文件中,Anthropic表示计划上市[…] 该文章《Anthropic就拟议中的IPO提交S-1文件》首发于SiliconANGLE。

事件进展与其他报道

Anthropic为重磅人工智能IPO提交S-1文件

人工智能巨头Anthropic PBC今日向美国证券交易委员会提交了首次公开募股申请文件,这使其有望迎来迄今为止规模最大的人工智能开发企业上市。与此同时,有关先进人工智能的警告之声不绝于耳。在提交的文件中,Anthropic表示计划在[…]上市。该文章《Anthropic为重磅人工智能IPO提交S-1文件》首发于SiliconANGLE。

事件进展与其他报道

人工智能驱动的科学代理能否保障模型安全?

arXiv:2610.32045v1 发布类型:新 摘要:面向科学的人工智能代理正越来越多地被用于提出科学假设、开展自主实验以及解读证据。这些代理通过将大型语言模型(LLM)集成到特定领域的代理框架中构建而成,而该框架又能提升LLM的科学能力,并使其能够协调运用各类科学工具。在本研究中,我们探讨了当大型语言模型被整合进面向科学的人工智能代理框架时,模型的安全性是否仍能得到有效保障。我们针对50个有害的化学相关请求,对五种代理框架进行了评估。具体而言,我们考察了在直接提示、两种简单的对抗性提示策略以及一种自适应攻击情境下,模型的安全行为如何发生变化。基于四种近期发布的GPT变体,我们的研究结果表明

Do AI-for-Science Agents Preserve Model Safety?
事件进展与其他报道

AudioLift:通过多视角视频生成,实现基于音频的单张图像到全头高斯化身的转换

arXiv:2610.31747v1 发布类型:新 摘要:现有的3D会说话的虚拟形象方法主要依赖于参数化人脸模型,包括3DMM或FLAME,而这些模型紧凑的运动表示限制了其生成极端表情以及建模头饰等配件的能力。我们提出了一种名为AudioLift的两阶段框架,该框架以生成的多视角视频作为音频驱动虚拟形象生成的中间表示,无需使用参数化人脸模型或针对每个实例进行优化。我们的框架将同步的多视角视频生成阶段与一种抗不一致性高斯重建阶段相结合,从而仅凭一张肖像图像即可恢复出连贯的全头几何结构。大量实验表明,AudioLift能够生成捕捉更多表情变化的3D会说话虚拟形象……

AudioLift: Audio-Driven Single Image to Full-Head Gaussian Avatar via Multi-view Video Generation
事件进展与其他报道