两家物理AI多模态数据平台公司Rerun与Foxglove：公司与产品综合对比
核心结论 Rerun 和 Foxglove 已经成为 Physical AI、机器人和自主系统数据工具领域最直 […]
两家物理AI多模态数据平台公司Rerun与Foxglove：公司与产品综合对比 Read More »
多模态
NVIDIA 的 Nemotron 3 Nano Omni：面向文本、图像、视频和音频的开放式多模态模型
论文 Nemotron 3 Nano Omni: Efficient and Open Multimodal
NVIDIA 的 Nemotron 3 Nano Omni：面向文本、图像、视频和音频的开放式多模态模型 Read More »
SIMA 2：跑在 3D 游戏里的 Gemini 智能体
SIMA 2 本质上是一个「Gemini 驱动的 3D 游戏通用智能体」：它不再只是听话执行指令，而是能在虚拟
SIMA 2：跑在 3D 游戏里的 Gemini 智能体 Read More »
DeepMMSearch-R1：通过“多工具、多轮交互”检索增强推理循环，实现面向真实网页的多模态检索/推理一体化
现实应用中的多模态大模型（MLLM）在知识密集与信息检索型视觉问答任务上常受限于静态训练语料与长尾知识分布，难
DeepMMSearch-R1：通过“多工具、多轮交互”检索增强推理循环，实现面向真实网页的多模态检索/推理一体化 Read More »
Diffusion Transformer (DiT)
扩散模型在图像生成上长期以卷积式 U-Net 为主干，但论文Scalable Diffusion Models
Diffusion Transformer (DiT) Read More »