英伟达（NVIDIA）Jetson AGX Thor 开发者套件和产品级模组已正式上市
英伟达（NVIDIA）Jetson AGX Thor开发者套件和产品级模组已正式上市。这款被业界称为机器人“最强大脑”的计算平台，旨在为机器人提供强大的算力支持，有望显著推动物理AI和通用机器人的发展。下面是一个核心规格和与前代产品（Jetson AGX Orin）的对比，帮助你快速了解它的性能飞跃：特性维度Jetson AGX Thor提升幅度AI算力高达2070 TFL
最近更新
"3D Model Generator" 的 3D 模型生成工具
字节跳动旗下的豆包团队正在内部测试一款名为"3D Model Generator"的 3D 模型生成工具，旨在降低 3D 创作的门槛。目前关于该工具的确切技术细节和发布时间官方尚未完全公开，但我们可以从测试页面和字节跳动相关技术积累中窥见一些特点。下面是这款工具主要功能的梳理：功能特点说明基于图像生成用户上传本地图片，工具可快速生成相应的 3D 模型。基于图像+模型生成结合
微软开源的 VibeVoice-1.5B 模型在语音合成领域带来了一些值得关注的突破
核心突破：长时语音合成与多说话人支持VibeVoice-1.5B 的核心突破在于其长时语音合成能力和多说话人支持。超长语音合成：模型能一次性连续合成长达90分钟的超逼真语音。这相比此前多数模型只能合成60分钟以内语音，且30分钟后常出现音色漂移、语义断裂等问题，是一个显著提升。多说话人支持：最多可支持4名发言人进行语音合成，而此前许多开源模型最多仅支持2人。这意味着它能生成更接近自然对话的语音，为
阿里最新开源的Vivid-VR模型通过概念蒸馏技术实现了文本到视频大模型（T2V）在视频修复任务中的突破性应用
阿里巴巴最新开源的Vivid-VR模型通过概念蒸馏技术实现了文本到视频大模型（T2V）在视频修复任务中的突破性应用，其核心创新在于解决了传统微调方法导致的分布漂移问题。该模型基于DiT架构，通过将预训练大模型对高质量视频的理解蒸馏到修复任务中，既提升了画质修复能力，又保留了生成高质量视频的核心能力。技术亮点概念蒸馏策略通过蒸馏T2V模型固有的高质量视频生成能力，避免微调过程中的性能衰减。这种策
苹果最近开源的SlowFast-LLaVA-1.5多模态大模型，在长视频理解领域取得了不错的进展
苹果最近开源的;SlowFast-LLaVA-1.5（简称 SF-LLaVA-1.5）多模态大模型，在长视频理解领域确实取得了不错的进展。它通过一系列创新，在效率和性能之间找到了较好的平衡。下面这个表格汇总了它的核心特点和优势，帮你快速了解：特性维度核心特点优势与价值核心架构双流处理机制"慢流"用较低帧率（32帧）捕捉高清静态细节和场景信息；"快流"用较高帧率（9
夸克发布的健康大模型技术报告，详细揭示了其AI“主任医师”背后的技术细节
夸克发布的健康大模型技术报告，详细揭示了其AI“主任医师”背后的技术细节。这不仅是技术能力的展示，更体现了AI在医疗健康领域深度工程化应用的探索。下面我将为你梳理其核心要点。一、核心成就与定位国内首个通过12门核心学科主任医师笔试评测的AI模型：夸克健康大模型（QuarkMed）在2025年7月成功通过了涵盖全科医学等12门核心学科的主任医师笔试评测。这标志着其医学专业能力达到了一个全新的水准。“
百万网友沉迷AI小游戏，简笔画能变成活鱼
玩法简单易上手Draw A Fish的玩法非常简单直接：你只需要访问网站https://drawafish.com/，就能看到一个简单的绘图工具。选择颜色和笔刷粗细后，在画布上画一条面朝右侧的小鱼即可。AI会实时判断你的作品是否像鱼，并通过画布背景颜色的变化给予即时反馈。当相似度达到60%以上时，点击 "make it swim" 按钮，再给小鱼起个名字，你就能把它“放生”到一个共享的
如何识别 AI 生成内容?
着大模型在学习、工作中的广泛应用，其伴生问题也日益凸显，如生成虚假信息、冲击学术诚信等，精准识别 AI 生成内容成为亟待解决的问题。南开大学计算机学院媒体计算实验室的研究成果为解决该难题提供了可行方案。现有检测方法的困境：目前 AI 生成内容检测主要有基于训练的检测方法和零样本检测方法两种路线。但多项研究表明，现有检测方法在应对复杂现实场景时面临困境，容易出现误判。例如，《荷塘月色》《流浪地球》等
如何让AI“识破”AI？
目前并不存在一种“万能”的检测方法，上述所有手段都需要综合运用。其核心思想是：AI生成内容通常遵循某种统计上的“完美”或“平均”，而人类创作则带有自然的“不完美”、“随机性”和“深度意图”。一、 使用专门的AI检测工具（Technical Detection）这类工具本身就是AI模型，它们被训练来识别其他AI模型的输出特征。工作原理：概率分布分析：AI生成文本时，每个下一个词的选择都基于一个概率分
阿里开源的Mobile-Agent 3 GUI代理框架
阿里巴巴开源的;Mobile-Agent-v3;与其核心模型;GUI-Owl，确实在 GUI 自动化领域迈出了重要的一步。它通过多模态感知和强大的推理规划能力，让机器能像人一样"看懂"界面并操作各种应用。下面这个表格汇总了它们的核心信息，帮你快速了解：方面Mobile-Agent-v3 (代理框架)GUI-Owl (多模态虚拟层模型/技术内核);定位与角色基
微信AI播客双人对话播报新闻
微信AI播客（或类似功能，如腾讯混元AI播客）的推出，确实展现了AI在音频内容生成方面的强大能力，尤其是“双人对话式播报”让人耳目一新。但这是否意味着传统主播会失业，情况可能没那么简单。下面这个表格汇总了AI播客的主要能力和目前的一些局限，希望能帮你快速了解：特性维度AI播客的优势AI播客当前的局限播报效率与成本可24小时不间断工作，处理大量标准化内容；播报准确性基于既定文
维基百科关于识别AI写作的关键特征
以下是维基百科编辑们总结出的识别AI写作的核心关键特征，可以分为语言风格、内容实质、结构和事实核查三个大类：一、语言风格与措辞特征这是最直观的“第一印象”，AI文本往往表现出一种“过于完美”的不自然感。过于流畅与泛泛而谈：特征：文本读起来非常顺畅，没有人类的磕绊或停顿，但缺乏重点和深度。像是在“绕圈子”，用很多词说很少的事，缺乏洞见和独特的观点。比喻：像是一碗“语法完美的鸡汤”或“企业宣传册”，听
