早融合 VS 晚融合,Natvie 多模态大模型的 Scaling Law 有所不同吗?
本周解读机器之心PRO会员通讯第19期,涵盖2项专题解析及29项AI&Robotics要事速递。重点讨论了Native多模态模型的训练过程差异以及早融合晚融合的优劣。
本周解读机器之心PRO会员通讯第19期,涵盖2项专题解析及29项AI&Robotics要事速递。重点讨论了Native多模态模型的训练过程差异以及早融合晚融合的优劣。
近期,可灵研究团队推出的CineMaster电影级文本到视频生成框架允许用户通过3D感知控制目标和相机运动来创作高质量视频内容。该方法在SIGGRAPH 2025会议中被收录,并展示了从任意视频中提取3D控制信号的数据构建流程。
本文介绍了一种名为WorldMem的世界生成模型,通过引入记忆机制解决了上下文时间窗口受限导致的一致性问题,在Minecraft数据集上进行验证并展示良好效果。
本周陶哲轩发布的新项目通过GitHub Copilot和Lean证明助手的形式化一个数学证明仅需约33分钟,展示了AI工具在复杂证明中的辅助效果。该工具已在GitHub上开源。
文章介绍了大模型生成过程可视化的几个工具,包括OpenMAV、logitloom和ReasonGraph,并讨论了zerosearch的误读以及开源项目中的RAG文档解析问题。