Google Deepmind近日发布报告A new golden age of discovery---Seizing the AI for Science opportunity（《把控赋予科学发现全新机遇的人工智能，迎接科学发现黄金时代》）。该报告以极其详尽的方式探讨了AI Read more
论文Understanding Transformer Reasoning Capabilities via Graph Algorithms《通过图算法理解 Transformer 的推理能力》主要探索了Transformer 在解决图推理任务时的理论与实践表现。Transfo Read more
论文NaVILA: LEGGED ROBOT VISION-LANGUAGE-ACTION MODEL FOR NAVIGATION提出了一个用于腿式机器人导航的新型视觉语言行动模型框架NaVILA。NaVILA框架通过创新性的分层设计，成功实现了腿式机器人在复杂场景中的视觉-语 Read more
论文Pretraining Codomain Attention Neural Operators for Solving Multiphysics PDEs提出新型架构Codomain Attention Neural Operator (CoDA-NO)。CoDA-NO通过引 Read more
论文Learning the rules of peptide self-assembly through data mining with large language models（《通过大型语言模型的数据挖掘学习肽自组装的规则》）系统性研究了肽的自组装行为，重点在于结合实验 Read more
论文LLM-based agentic systems in medicine and healthcare探讨了基于大语言模型（LLM）的代理系统在医学和医疗保健中的应用。文章的核心目标是展示如何将LLM扩展为具备感知、思考和行动能力的“智能代理系统”（agentic syst Read more
论文PaliGemma 2: A Family of Versatile VLMs for Transfer（《PaliGemma 2: 用于迁移学习的多功能视觉-语言模型家族》）详细介绍了PaliGemma模型的升级过程。PaliGemma 2基于Gemma 2系列语言模型，是 Read more
论文Visual Autoregressive Modeling: Scalable Image Generation via Next-Scale Prediction提出了一种全新的视觉自回归生成框架——视觉自回归建模（VAR），通过多尺度的生成策略，有效解决了传统自回归模型 Read more
论文PINNs4Drops: Convolutional feature-enhanced physics-informed neural networks for reconstructing two-phase flows（“PINNs4Drops: 用卷积特征增强的物理信息 Read more
论文Extending Video Masked Autoencoders to 128 frames（《扩展视频掩码自动编码器至128帧》）研究了如何通过改进的视频掩码自动编码器（MAE）策略来增强视频理解的效果，尤其是在长视频（128帧）上的表现。论文提出了一种适应性解码器掩 Read more
Google DeepMind刚推出了Genie 2。Genie 2是一种基础世界模型，能够生成无限多样的、可控动作和可玩的3D环境，用于训练和评估具身代理。基于单一提示图像，它可以通过键盘和鼠标输入由人类或AI代理进行操控。 Genie 2可以模拟虚拟世界，包括采取任意动作（例 Read more
论文《VLsI: Verbalized Layers-to-Interactions from Large to Small Vision Language Models》提出了一种新型的视觉语言模型家族——VLsI，针对如何在保持模型性能的前提下实现更高效的视觉-语言模型（VL Read more