一个模型，看懂图像、视频和 PDF：Qwen3-VL 到底强在哪里？
一个模型，看懂图像、视频和 PDF：Qwen3-VL 到底强在哪里？
腾讯混元HunyuanOCR开源：1B参数横扫SOTA，多模态端到端OCR技术新标杆
腾讯混元HunyuanOCR开源：1B参数横扫SOTA，多模态端到端OCR技术新标杆
Meta 推出 SAM 3D：只用几张照片，就能生成真实 3D 模型
Meta 推出 SAM 3D：只用几张照片，就能生成真实 3D 模型
李飞飞的「空间智能」Marble来了：一键生成 3D 世界，Marble 让想象成真
李飞飞的「空间智能」Marble来了：一键生成 3D 世界，Marble 让想象成真
AI空间智能奠基人李飞飞最新长文：Spatial Intelligence：AI发展的下一座高峰
AI空间智能奠基人李飞飞最新长文：Spatial Intelligence：AI发展的下一座高峰
秒变3D世界：腾讯混元WorldMirror让视频一键成
秒变3D世界：腾讯混元WorldMirror让视频一键成"景"
「LLM 并不懂图像」——Karpathy 的提醒与多模态真相
「LLM 并不懂图像」——Karpathy 的提醒与多模态真相
从“识别文字”到“压缩世界”：DeepSeek-OCR 把文档图像塞进 64 个 Token
从“识别文字”到“压缩世界”：DeepSeek-OCR 把文档图像塞进 64 个 Token
0.9B 参数刷新 SOTA！百度开源「PaddleOCR-VL」：一篇发票、一张手写笔记，甚至 109 种语言的论文都能秒转 Markdown
0.9B 参数刷新 SOTA！百度开源「PaddleOCR-VL」：一篇发票、一张手写笔记，甚至 109 种语言的论文都能秒转 Markdown
一块 H100，实时生成永不消失的 3D 世界：李飞飞团队 RTFM 模型实时“造世界”的新纪元
一块 H100，实时生成永不消失的 3D 世界：李飞飞团队 RTFM 模型实时“造世界”的新纪元
热门文章