在过去的一两年中，Transformer 架构不断面临来自新兴架构的挑战。在众多非 Transformer 架构中，Mamba 无疑是声量较大且后续发展较好的一个。然而，与最初发布时那种仿佛「水火不容」的局面不同，最近一段时间，这两种架构似...

训练狗时不仅要让它知对错，还要给予差异较大的、不同的奖励诱导，设计 RLHF 的奖励模型时也是一样。我们知道，一个 RLHF 算法是否成功的一大关键在于其奖励模型（RM）的质量。但是，我们应该如何衡量 RM 的质量呢？近日，普林斯顿大学一个...

好消息，谷歌在 MWC 上关于 Project Astra 与 Gemini Live 集成的承诺兑现了。刚刚，谷歌发言人 Alex Joseph 在给 The Verge 的邮件中确认，谷歌已经开始向 Gemini Live 推出新的 A...

3D 视觉定位（3D Visual Grounding, 3DVG）是智能体理解和交互三维世界的重要任务，旨在让 AI 根据自然语言描述在 3D 场景中找到指定物体。具体而言，给定一个 3D 场景和一段文本描述，模型需要准确预测目标物体的 ...

香港科技大学谭平教授团队在 CVPR 2025 发表两项三维生成技术框架，核心代码全部开源，助力三维生成技术的开放与进步。其中 Craftman3D 获得三个评委一致满分，并被全球多家知名企业如全球最大的多人在线游戏创作平台 Roblox,...