⌘ K
… 读取采集状态 同步中...
雷

#多模态

今日 4 条
9月18日周五
  1. 深度学习与NLP58

    李沐小红书 AMA 谈 AI 时代学习、Agent 协作与研究趋势

    李沐在小红书举办 AMA，针对 AI 时代职业选择、编程需求、Agent 协作及 LLM 发展趋势等问题逐一作答。他建议普通人优先使用 Agent 提升生产力，保持对代码的 review 能力；认为多模态和具身智能虽短期有泡沫，但仍为重要交互与落地路径；指出模型自我进化与沙盒运行是当前 LLM 重要方向。

9月17日周四
  1. Datawhale48

    APXInf 开源具身端侧推理引擎实测：Agent 辅助适配 Qwen3-VL 并在 DGX Spark 上超越 vLLM

    无问芯穹联合清华、上交开源 Agentic native 具身端侧推理引擎 APXInf，已适配 2 款主流具身模型和 3 款芯片，在 Jetson AGX Thor 上达到行业 SOTA 性能。实测 Qwen3-VL-2B 时，通过 Agent 参与优化，在 DGX Spark 上首 token 延迟从 150.7 秒降至 2.51 秒，解码速率超 vLLM 与 SGLang。

  4. 智能涌现61

    Livo 打造具备持续演化和因果逻辑的仿生世界

    快看漫画推出内测产品 Livo，致力于打造角色拥有独立人格和记忆、在用户离线时仍能持续运转的“仿生世界”。其底层采用双层结构，通过创作者注入入口和 World Agent、Soul Agent 及深度被感受引擎协同工作，维持多角色间的因果链条。体验上，用户不仅是旁观者而是参与者，角色具备独立日程且交互具有因果反馈，但当前仍存在人格漂移、剧情单向等未完全解决的体验问题。

  8. 极客公园63

    AI 硬件创业者扎堆手机背面：录音卡、电子纸与第二界面竞争分析

    AI 硬件创业者正从录音和阅读两个方向争夺手机背面这一高频携带位置。Plaud 录音卡出货突破 200 万台，阅星曈获近 5000 万元 A 轮追加融资，极稚科技无源墨水屏手机壳卖出超 14 万只。随着荣耀、影石等手机厂商入局，录音设备与显示屏幕的边界开始模糊，行业焦点转向如何在有限的空间内平衡 Agent 能力、用户负重与隐私边界。

  11. CVer33

    TPAMI 2026：ZeroDiff++ 刷新零样本三项基准

    论文《ZeroDiff++: Generative Test-Time Adaptation for Zero-shot Learning》发表于 IEEE TPAMI 2026。该工作继 ICLR 2025 的 ZeroDiff 之后，利用扩散机制在测试阶段让生成器适应未见类别。通过 DiffTTA 和 DiffGen 模块，从真实测试样本中间位置去噪生成可追溯特征，刷新零样本学习三项基准。

  12. AIGC开放社区73

    Google 推出 Gemini 3.8 Live 系列，语音交互升级为实时双向任务助手

    Google 于 9 月 15 日推出 Gemini 3.8 Live 与 Gemini 3.8 Live Extended Thinking，前者支持实时低延迟语音交互、音频流及 97 种语言自动切换，后者增加后台推理与异步工具调用以处理多步骤任务。两款模型已接入 Gemini API 和 Google AI Studio，将语音交互从单向问答转向支持连续对话与工具执行。

9月16日周三
  3. 极客公园48

    京东 JDD 大会发布物理 AI 战略，打造全球最大物理世界运营中心

    京东在 JDD 大会确立“跃迁物理世界”主题，启动物理 AI 加速计划，目标建设全球最大物理世界运营中心。其自研“世界意图模型”支持仓储机器人实现 99.9% 抓取准确率及每小时 80 件拣货效率。JoyInside 硬件产品累计销量突破 10 万，形成包含“超级 AI 供应链”的全链路布局。

  4. 智东西65

    百度智能云提出产业智能体操作系统，涵盖通用、专业与定制三类智能体

    百度智能云在智能经济论坛上提出产业智能体操作系统，主张办公赛道将被通用智能体消化，真正战场在企业核心经营场景。沈抖将企业任务分为 20% 日常运营、30% 专业领域和 50% 核心任务，对应推出百度搭子、专业智能体矩阵及百度搭子开放平台。

    推荐理由：文章梳理了百度智能云三类智能体与产业操作系统架构，结合央企、车企落地案例，说明智能体如何嵌入核心业务流程。

  5. 数字生命卡兹克70

    努比亚 Navix Ultra 发布：豆包手机助手消费者版带来指纹鉴权与自动化升级

    努比亚 Navix Ultra 搭载豆包手机助手消费者版正式开售，12+512GB 国补后 5499 元起，AI 键新增指纹鉴权，涉及隐私操作需验证身份且失败则取消任务。豆包助手支持复杂长程任务自动化，可执行多步报销、素材入库流程，并通过快捷指令保存复用；同时能识别屏幕内容直接操作文档，并接入相机与飞书妙记实现自动修图、转录和日程创建。

  6. AGI Hunt71

    AutoResearch 发布：多智能体蜂群实现自动化 AI 科研实验与证据链验证

    AutoResearch 是一个让多个 AI 模型组成蜂群、自动提假设、做实验并交回可信证据的自动研究系统。在 RSICD 卫星图文检索任务上，五套 AI 科研系统统一使用 DeepSeek V4 Pro 执行模型独立作答，其中 AutoResearch-DS 是唯一完整走完数据确认、基线建立、对照实验及两个随机种子复跑的系统的。

  8. APPSO80

    MaleCNS v1.0 果蝇连接组数据被网友接入游戏世界

    HHMI Janelia Research Campus 联合 Google Research 发布了全球首个成年雄性黑腹果蝇完整中枢神经系统连接图 MaleCNS v1.0，记录了超过 16.6 万个神经元的连接关系。网友们将这份数据接入《Minecraft》《DOOM》等虚拟环境，模拟出果蝇的飞行、觅食及游戏行为，开发者澄清该实验是基于生物数据的计算模拟，并未实现意识上传。

    推荐理由：文章梳理了 MaleCNS v1.0 连接组的数据规模，以及网友将其接入 Minecraft 等游戏引发的模拟行为现象。

  11. 新智元54

    浙大与北大联合开源自进化社媒Agent Easel：从多模态任务编排到反馈驱动

    浙江大学REAL Lab与北京大学OpenDCAI Lab联合开源自进化社媒Agent Easel，构建覆盖发现、策划、制作、发布和复盘的连续工作流。系统内置112个Skills支持多模态任务编排，并通过账号画像与长期记忆实现跨任务经验复用。Easel区分任务内修复与跨任务适应两种反馈机制，结合真实发布数据检验经验迁移边界，为研究Agent在社交媒体中的长期自适应能力提供开放架构。

  12. 新智元80

    紫东太初开源9B通用多模态模型ZDTaichu5.0-9B，空间具身能力同档第一

    紫东太初开源ZDTaichu5.0-9B通用多模态模型，在MindCube-tiny等9项国际权威空间基准上取得8项同参数组别全球第一，在ViewSpatial、MindCube-tiny和VSI-Bench上成绩领先Gemini 3 Pro 7%以上。

    推荐理由：该模型在9B规模集成了空间具身能力，其自适应循环推理机制和同参模型基准数据是理解端侧具身智能架构演化的关键案例。

  17. Google AI Blog42

    Gemini 3.5 驱动实时语音翻译覆盖 70 种语言，TranslateGemma 支持 55 种语言端侧离线运行

    Google 推出 Gemini 3.5 Live Translate，支持 70 种语言及 2,000 以上语言对的实时语音翻译。基于 1,200 万小时音频训练的 Universal Speech Model 利用跨语言迁移学习，支持“1,000 种语言计划”。TranslateGemma 家族提供 55 种语言的轻量级开源模型，实现无网络环境下的端侧高效翻译。

9月15日周二
  2. 智东西70

    荣耀发布 MagicOS 11，实现系统级 Agent Harness 商用落地

    荣耀发布 MagicOS 11，首次实现系统级 Agent Harness 商用落地，支持超百步长程任务与 700 多个工具调用。YOYO 综合意图理解率达 91.8%，复杂任务准确率达 87%，并接入 10000 多个第三方 AI 服务。荣耀通过打通芯片、内核与系统底层能力，将模型能力与手机端感知、规划及执行深度结合，构建 Agentic OS 的完整链路。

    推荐理由：原文实测了系统级 Agent 落地后长程任务的执行闭环，给出了端侧智能体在真实场景中的能力边界。

  3. 新智元30

    复旦大学发布 AVTrack 复杂场景音视频追踪基准及 AVTracker 模型

    复旦大学 CVL 实验室发布面向复杂场景的音视频追踪基准 AVTrack，该基准包含 871 段视频及 8 类挑战，论文已被 ICML 2026 接收。配套提出的 AVTracker 模型在 HOTA 测试指标上达到 29.08，较现有最佳方法 AVISM 提升 8.24。基准与代码、数据集现已开源，旨在解决长视频中身份保持难题。

  4. 新智元69

    All-In峰会现场特朗普突袭连线黄仁勋，怒怼Dario Amodei并批AI减速论

    在All-In峰会现场，特朗普意外连线演讲中的黄仁勋，公开斥责Dario Amodei等人发起的AI减速论为骗局，强调美国政府将继续支持AI竞赛并阻止其放缓。奥特曼随后与特朗普进行关于AI权力的秘密会面，而Anthropic在呼吁减速的同时开启了Opus 5.2的灰度测试。

    推荐理由：通过现场突发连线揭示白宫对AI监管的强硬立场，并揭示头部大厂表面呼吁减速暗地里推进模型测试的双面博弈。

9月14日周一