搜索
统一多模态模型（Unified Multimodal Models, UMMs）通常为理解和生成分别使用不同的视觉表示：用 ViT 提取理解所需的语义特征，用 VAE 提供生成所需的潜变量。这样一来，同一张图像要以两种 token 进入上下文，视觉上下文随之变长；这种双流接口也不同于视觉-语言模型（VLM）常用的单一视觉流，难以直接沿用成熟的 VLM 预训练流程。
英伟达正式开源机器人智能体框架ASPIRE V1.0，使机器人可自主编程、调试、复盘并沉淀可复用Skill，换用GPT-6 Astra后，一夜将LIBERO-Pro任务成功率推至99%，Robosuite和BEHAVIOR-1K代表性任务均达100%。
6！机器人也能学Skill了。
「Ising 改变了一切。」
提高大模型记忆这块儿，美国大模型开源王者——英伟达也出招了。
英伟达在开源模型上玩的很激进： “最高效的开放模型家族”Nemotron 3，混合Mamba-Transformer MoE架构、NVFP4低精度训练全用上。而且开放得很彻底：
就在刚刚，英伟达正式开源发布了其新一代AI模型：NVIDIA Nemotron 3。Nemotron 3 系列由三种型号组成：Nano、Super 和 Ultra。官方介绍其具备强大的智能体、推理和对话能力。
当问题又深又复杂时，一味上最强模型既贵又慢。测试时扩展能想得更久，却不一定想得更对。
英伟达开源又放大招了！ 韩松团队推出了一款全新的基于后神经架构搜索的高效语言模型——Jet-Nemotron。
基于Qwen2.5架构，采用DeepSeek-R1-0528生成数据，英伟达推出的OpenReasoning-Nemotron模型，以超强推理能力突破数学、科学、代码任务，在多个基准测试中创下新纪录！数学上，更是超越了o3!