学术
单个4090就能跑，Mistral开源多模态小模型，开发者：用来构建推理模型足够香
法国AI企业Mistral AI开源了一个24B参数的多模态小模型Mistral Small 3.1，该模型在多个基准上击败了Gemma 3和GPT-4o Mini等同类模型，并且可以在单个RTX 4090或具有32GB RAM的Mac上运行。
Gemini 2.0 原生绘画能力惊艳我了，兑现了我对 GPT-4o 曾经的幻想！
MLNLP社区介绍了谷歌 Gemini 2.0系列模型的原生多模态输出能力，特别是其绘画功能。Gemini 2.0实现了文本与图像的一致生成，并通过多次对话实现复杂场景的精细调整。Gemini 2.0在保持一致性方面表现出色，可应用于电商批量生成图片、产品设计等多个领域。
目标检测技术的发展：从R-CNN、YOLO到DETR、DINO
近些年基于深度学习的目标检测技术迅速发展，从两阶段到一阶段，再到金字塔网络。本训练营将涵盖视觉核心项目：分割和检测的全面细致讲解，并由专家进行实战指导。
ChatGPT创始成员、后训练负责人官宣离职！自立门户并将获OpenAI投资
OpenAI 后训练负责人 William Fedus 离职，他表示希望以合作伙伴身份继续支持 OpenAI AI for Science 领域。Fedus 称未来将创立一家材料科学 AI 初创公司。
模态GAP不存在了？图文领域首个token级大一统基座诞生
CLIP、DINO等图像级监督基座限制了细粒度密集预测任务，上交联合美团提出TokenIT、TokenFD和TokenVL新数据集及模型，实现图文对齐粒度突破。
大模型怎么做好角色扮演？最大的真实数据集、SoTA开源模型、最深入的评估在这里
复旦大学博士生王鑫的研究成果《CoSER: Coordinating LLM-Based Persona Simulation of Established Roles》提出了一种新的框架来改进角色扮演AI。该研究利用真实数据集和先进的评估方法，包括来自771本知名文学作品的大量角色对话，以及详细的剧情摘要和背景信息。通过给定情境表演（Given-Circumstance Acting）的方法训练模型，并在多智能体模拟和基于惩罚的LLM评判中进行评估，取得了优异的表现。
