搜索
据彭博社记者古尔曼报道，苹果公司负责Vision Pro头显和智能眼镜业务的负责人保罗·米德（Paul Meade）即将离职，转而加入OpenAI。米德在苹果担任视觉产品事业部的硬件工程副总裁。古尔曼称，米德将于下周离开苹果，加入OpenAI的硬件部门，负责OpenAI即将推出的设备系列。
来自至知创新研究院（IQuest Research）、中国人民大学高瓴人工智能学院、KAUST等机构的研究团队提出了FORT，一个面向Deep Search Agent的shortcut-resistant training-data synthesis framework。
当全球具身智能行业还在争论技术路线时，一家中国公司已经率先定义并跑通了自己的答案。深度机智提出的「人类学习」路线——以人类数据为起点、动作建模为中心、机器人为 AI 而生——正在被英伟达、Physical Intelligence 等海外头部机构沿同一方向跟进。
TRAE Work上新了一个Design模式，专门搞设计的。之前TRAE Work已经有Work模式聊需求、Code模式写代码，现在补上了Design——需求→设计→代码，全链路在一个平台里跑通了。
机器人已经学会看见世界，也开始学会摸到世界。但对于真实接触操作而言，仅仅感知当前状态远远不够，机器人还需要预测物理世界接下来会如何变化。擦拭、插接、拧紧，这些人类几乎凭感觉就能完成的动作，对机器人来说却并非易事：接触力度会变化，物体位置会偏移，反馈慢一步，就可能打滑、卡住或丢失。
给定一段普通单目视频，FreeOrbit4D 可沿任意指定相机轨迹「重拍」整个动态场景，包括影视级的「子弹时间」环绕镜头。
UBC 和 Weathon Software 的研究提出，图像的美学对齐正在削弱艺术表达。
美国当地时间6月24日，OpenAI与博通联合发布了双方合作的首款定制芯片Jalapeño。这是一款专用集成电路（ASIC），专门针对大语言模型的推理任务而设计，也标志着OpenAI正式进军AI芯片领域。
今天几乎所有主流视觉语言模型（VLM）—— 无论是 Qwen-VL、InternVL，还是 LLaVA 系列 —— 都遵循着同一套经典架构：先用预训练视觉编码器（如 CLIP、SigLIP）将图像压缩为特征，再通过投影层把这些特征送入大语言模型。
Google DeepMind在6月份对外分享了DiffusionGemma的技术报告，明确指向了一条与现有主流完全不同的演进道路。当大家都在绞尽脑汁让大模型逐词吐字的速度变快时，谷歌干脆把生成顺序改了。