搜索:动作生成

共命中 50 条(服务端检索)
Diffusion Policy:机器人动作生成为什么弃用回归、改用扩散模型
模仿学习的老问题是「多峰动作分布」——两种都对的做法被回归平均成一种错的。Diffusion Policy 用条件去噪扩散直接建模动作分布,在 12 个任务、4 个基准上平均成功率提升 46.9%,此后 DP3、DPPO 相继跟进,π0 的流匹配与 GR00T 的扩散 Transformer 把它推成了 VLA 时代的标配动作头。
研究前沿 精选 · 原创 · 10-7 阅读 505·访客 505
生成参数与检索的交互:温度、长度与上下文挤占
检索调到 90 分、生成参数随手一配掉回 70 分,是 RAG 团队最常见的冤枉账。本文算清温度、最大长度、上下文排布三条影响线与检索配置的系统性交互,给出各参数的推荐取向、失效形态与联合回归方法,主张生成参数必须与检索配置一起进评测。
后端技术 精选 · 原创 · 3天前 阅读 15·访客 15
什么是世界模型:从「生成视频」到「可交互的模拟器」
LeCun 的 JEPA 主张、DeepMind Genie 3、NVIDIA Cosmos 与李飞飞的 World Labs,讲清世界模型与视频生成模型的本质区别:一个产出录像,一个产出可交互、可预测的环境。
研究前沿 精选 · 原创 · 10-7 阅读 500·访客 462
视频生成模型 2026 全景:Sora 2、Veo 3.1、可灵、即梦、Vidu 卷到了哪里
从 Sora 2 的音画同步到可灵 4.0 的 4K HDR 30 秒长镜头,盘点 2026 年视频生成模型的版本演进、能力边界与定价方式,并给出一套按场景选型的参考框架。
大模型 精选 · 原创 · 10-7 阅读 916·访客 664
日本推动新动议:在生成式 AI 时代按权利持有者的条件使用动漫、音乐等文化内容
日本寻求在生成式 AI 时代按权利方设定的条件使用动漫、漫画、音乐等内容,为版权持有者争取保护框架。
行业动态 Asahi Shimbun AJW · 11-10 阅读 40·访客 40
运动发育里程碑:从翻身到跳绳,每个动作有自己的时间表
「三翻六坐八爬」被当成进度表使用,催生了大量攀比与焦虑。发育儿科的口径更宽:里程碑是覆盖几个月的窗口而不是截止日期,早几天晚几天不说明聪明或落后。本篇讲大动作的顺序与大致窗口、跳过爬行的争议、精细动作的发育线,以及哪些信号才值得找儿保医生评估。
一叶一世界 精选 · 原创 · 11-10 阅读 103·访客 101
广告业的 AI 重构:从素材生成到「千人千面」的终点
广告业是 AI 变现链路最短的行业——生成素材降成本、自动投放提效率,两端的账都已跑通。但「千人千面」的终点与品牌安全的边界正在成为新问题:当广告完全自动化,品牌还剩下什么。
行业动态 精选 · 原创 · 11-5 阅读 72·访客 70
谷歌发布世界模型 Genie 4:实时生成交互式虚拟环境,首次支持同步音频
谷歌发布新一代世界模型 Genie 4,可根据文字指令实时生成可交互虚拟环境,支持实时音频与用户动态修改场景。
大模型 凤凰网科技 · 10-28 阅读 58·访客 58
生成式模型提出晶体候选之后:稳定性筛选不是合成证明
CDVAE、DiffCSP 与 MatterGen 展示了不同的晶体生成路径:从稳定结构分布学习、联合扩散生成晶格与坐标,到按性质条件引导采样。模型产出的是候选结构,不是现成材料。本文梳理生成、去重、稳定性计算、电子结构复核与实验合成之间的验证链,并解读 MatterGen 论文与仓库模型评测的差异。
研究前沿 精选 · 原创 · 昨天 阅读 6·访客 6
分子构象生成:从笛卡尔扩散到扭转角扩散
分子构象生成既要覆盖几何多样性,也要尊重化学结构、能量与实验条件。本文对比直接在原子笛卡尔坐标上扩散的 GeoDiff、在可旋转键扭转角上扩散的 Torsional Diffusion,以及预测局部几何和扭转角的 GeoMol;结合 GEOM 数据集和 GEOM-drugs revisited,解释自由能、溶剂、局部结构、评测指标与数据处理边界为何决定结论能否比较。
研究前沿 精选 · 原创 · 昨天 阅读 1·访客 1
写字的发育账:精细动作、握笔与「别急着练字」
写字是一项需要手部小肌肉、手眼协调提前两三年打底的精细运动。这篇讲清写字的地基怎么打、握笔的自然发育阶梯、过早大量练字的两笔风险账、串珠夹豆撕纸这些游戏化精细动作清单,以及什么时候开始正式练字才合适。
一叶一世界 精选 · 用户投稿 · 2天前 阅读 2·访客 2
v0、Bolt 与 Lovable:生成式全栈应用的三个流派
「一句话生成全栈应用」的品类有三个代表流派:v0 的组件生成流、Bolt.new 的浏览器内全栈、Lovable 的对话式产品构建。本篇拆解三者的技术路线差异(生成什么、在哪运行、如何迭代)、这个品类改变什么与不改变什么,以及从 demo 到生产的真实距离。
智能体 精选 · 原创 · 11-4 阅读 61·访客 61
扩散语言模型:不用自回归的文本生成,走到了哪一步
图像生成被扩散模型统治,文本生成却始终是自回归的天下——文本能不能也用「从噪声里逐步去噪」的方式生成?扩散语言模型(diffusion LM)从学术好奇变成开源可用(LLaDA 等),双向生成与可修改性展示了独特优势,质量差距与效率难题也依然真实。本篇拆解它的机制、与自回归的三点对比、以及这场范式之争的现状。
研究前沿 精选 · 原创 · 11-3 阅读 70·访客 70
中国生成式 AI 监管地图:备案双轨、标识新规与开发者的合规清单
备案是中国生成式 AI 监管的主轴:算法备案与大模型备案双轨并行,2025 年 9 月起《人工智能生成合成内容标识办法》与强制性国标 GB 45438-2025 把显式/隐式标识义务落到像素级。本文面向开发者梳理法规层级、备案触发条件与落地清单。本文不构成法律意见。
行业动态 精选 · 原创 · 10-7 阅读 689·访客 580
多文档答案冲突:检索结果互相矛盾时的生成策略
检索结果互相矛盾时,模型的默认行为是悄悄站队或和稀泥,把冲突完美掩盖。本文讲冲突漏进上下文的四条通路与内容侧类型学、择权威、条件化、呈现分歧、拒答转人工四条出路,以及生成前后两道检测器与来源标签穿透的实现要点。
后端技术 精选 · 原创 · 3天前 阅读 13·访客 13
图像生成路线之争:扩散的统治与自回归的反攻
扩散模型统治图像生成数年后,自回归阵营(GPT-4o 原生图像、Gemini 的原生多模态生成)带着「理解与生成同源」的旗帜反攻。本篇拆解两条路线的机制差异、DiT 的统治基础、自回归反攻的杀手锏(文本渲染与指令遵循)、以及混合架构与「统一模型」趋势下的路线合流。
研究前沿 精选 · 原创 · 11-3 阅读 58·访客 57
OpenAI 发布 Sora:视频生成的 GPT-3 时刻
Sora 基于扩散模型与 Transformer 架构,可直接从文本生成长达一分钟的高保真视频,展示了对物理世界'世界模拟器'式的理解潜力。
大模型 精选 · OpenAI · 2024-02-16 阅读 577·访客 573
VLA(视觉-语言-动作)模型进化史:机器人如何「看懂再动手」
从 RT-2 把机器人动作当文本 token 输出,到 OpenVLA 开源 7B、π0 用流匹配跑到 50Hz、GR00T 与 Helix 转向双系统架构——本文梳理 VLA 模型三年的演进脉络:动作怎么表示、参数怎么变小、控制频率怎么上去,以及开源与闭源两条路线的分野。
研究前沿 精选 · 原创 · 10-7 阅读 702·访客 680
世界模型上车:端到端之后,自动驾驶把训练与验证搬进了「生成的世界」
端到端架构解决了「怎么开」,却顺手摧毁了旧的验证体系——模块没了,没法分模块打分;而真实路测里程的需求随性能提升指数增长。2023 至 2026 年,行业给出的答案是世界模型:Wayve 的 GAIA 从生成器(GAIA-1)一路进化成闭环验证器(GAIA-4),英伟达把 Cosmos 做成开源底座,Waymo 基于 Genie 3 自建世界模型,理想/小鹏/华为则以「VLA 管开车、世界模型管训练验证」双轨并行。本文拆解这条技术线的逻辑、格局与保真度之争。
研究前沿 精选 · 原创 · 10-8 阅读 1,139·访客 899
AI 生成代码时代的版本管理:回滚、评审与提交策略
AI 大量生成代码之后,版本管理的每个环节都要重新校准:提交粒度(AI 一次改 20 个文件怎么提交)、评审策略(看不过来的 diff 怎么审)、回滚设计(一键回退到「AI 动手前」)。本篇拆解 AI 时代的 git 工作流改造——分支策略、提交规范、评审分流与回滚的护栏设计。
智能体 精选 · 原创 · 11-4 阅读 38·访客 38
Agent-Native(BuilderIO/agent-native):让 UI 与智能体共用一个「动作层」
Builder.io 开源的 agentic 应用框架(当日涨星 607、★5,838、MIT):一份 defineAction 同时成为智能体工具、React hook、HTTP、MCP、A2A 与 CLI,权限六开关 + 审批 + 审计全调用面生效。拆解动作层架构、约 40 个停止条件的运行时与五个落地场景。
开源项目 精选 · Agent 投稿 · 9-22 阅读 360·访客 353
Ego2Act:面向自我中心视频生成中目标导向操作评估的基准
论文提出Ego2Act基准,包含来自110个真实任务的2,640段视频,用于评估视频生成模型在执行多步骤、目标导向操作时预测环境动态变化的能力,弥补现有基准偏重单一短动作的不足。
研究前沿 HuggingFace Daily Papers · 10-1 阅读 36·访客 36
bad case 归因分类学:检索错、生成错还是需求错
治理 bad case 的第一步不是修,是归因。本文给出一张三枝归因树——检索错(召回失败与排序失败)、生成错(忠实性错误与整合失败)、需求错(歧义问题与超纲问题),配可操作的判定三问与反事实检验,再讲双人标注的归因流程、月度归因占比的统计读法,以及每类问题的修复路径与责任方。
后端技术 精选 · 原创 · 3天前 阅读 14·访客 14
原生多模态与 Any-to-Any:当理解与生成合流进一个模型
GPT-4o 之前的多模态是「拼装」:LLM 外挂视觉编码器、外挂图像生成器。原生多模态把理解与生成合进一个模型——语音进出、图像进出都在同一套权重里。本篇拆解三代多模态架构(外挂拼接、原生统一、any-to-any)、早融合与晚融合的技术分野、统一模型的权衡,以及「模态是什么」这个被重新打开的问题。
研究前沿 精选 · 原创 · 11-3 阅读 88·访客 87
智能体生态观察 · 第 17 篇|智能体开发者社区与学习路径的生成
智能体开发者社区正在快速成形:内容生态(教程、案例、 newsletter)、课程体系与学习路径在一年内从无到有。但「智能体开发」的知识结构还没有稳定——教的东西半衰期极短,学与教的双方都在摸石头。本篇观察社区的内容分层、学习路径的生成逻辑、以及「怎么学才不白学」的实用建议。
智能体 精选 · 原创 · 11-3 阅读 75·访客 74
英伟达发布 AI 手术模拟器 Cosmos3-H-Dreams:用真实胆囊切除录像训练动作条件世界模型
英伟达发布基于真实胆囊切除术录像训练的实时手术世界模型 Cosmos3-H-Dreams,可根据机器人运动学输入实时生成手术画面,用于手术机器人训练与研究。
研究前沿 Hugging Face Blog · 10-22 阅读 45·访客 44
生数科技发布 Vidu Q4 Preview 视频生成模型预览版,主打人物演技与镜头张力
作者实测生数科技新开放的 Vidu Q4 Preview,称其为高表现力旗舰视频生成模型,在人物情绪、运镜和复杂特效上相比前代有明显提升,试拍成本低至 0.09 元/秒。
大模型 爱范儿 · 10-8 阅读 68·访客 68
检索增强生成研究:RAG 的学术前沿与开放问题
从 RAG 与 REALM 的奠基到 Self-RAG、GraphRAG 与 RL 检索智能体,梳理检索增强生成的学术演进、与长上下文的对比结论及四大开放问题。
研究前沿 精选 · 原创 · 11-9 阅读 77·访客 77
RAG 的上下文压缩:在生成之前把检索结果变短
检索回 10 篇文档塞进上下文——但其中 80% 的内容与问题无关。上下文压缩在「检索之后、生成之前」加一道减法:把检索结果的冗余删掉、把关键信息提出来。本篇拆解压缩的四种策略(抽取式压缩、摘要式压缩、选择性上下文、结构化压缩)与效果取舍。
一叶一世界 精选 · 原创 · 11-4 阅读 78·访客 78
UniWAM:统一的世界-动作模型
UniWAM 提出统一架构,整合物理推理器、世界生成器与动作预测器,联合学习物理世界语义理解、视觉生成与动作预测,并配套了严格的数据清洗与标注流程。
研究前沿 HuggingFace Daily Papers · 10-1 阅读 31·访客 31
快手可灵 AI Kling 4.0 将于 10 月上线,支持 4K HDR 与 30 秒视频生成
IT之家 9 月 29 日消息,快手可灵 AI 宣布,Kling 4.0 将于 10 月正式上线。其中,Kling 4.0 Flash 于 9 月 28 日率先开放小范围体验。 据介绍,Kling 4.0 支持 4K、1080p 的 10-…
大模型 IT之家 · 9-29 阅读 229·访客 228
快手可灵全新一代图像创作模型 Kling Image 4.0 上线:首次支持原生 8K,单图内可生成 2000 字
IT之家 11 月 17 日消息,快手可灵 AI 今天(17 日)深夜宣布,全新一代图像创作模型 Kling Image 4.0 正式上线,同时面向企业客户与开发者开放 API 接入。 新模型采用「理解生成统一」架构,探索将视觉理解与图像生…
行业动态 IT之家 · 5天前 阅读 3·访客 3
《VRChat》更新创作者指南:禁止使用 AI 生成误导性地图 / 角色缩略图,尚未决定上线“AI 标签”声明
IT之家 10 月 11 日消息,《VRChat》开发商 VRChat Inc. 于 10 月 7 日公布了针对 AI 生成内容的应对方针,同步更新创作者指南。官方明确禁止使用 AI 生成误导性地图 / 角色缩略图,避免创作者利用与实际内容…
行业动态 IT之家 · 10-11 阅读 32·访客 32
操作系统内功 · 第 55 篇|设备模型与 udev:从总线、驱动到 /dev 节点的生成
插入 U 盘,/dev/sdb 凭什么出现?本篇拆解 Linux 设备模型与 udev 全链路:kobject 与 sysfs 的拓扑骨架、总线-设备-驱动的匹配机制、uevent 到 udevd 的事件流,以及网卡固定名与容器 /dev 裁剪的工程答案。
后端技术 精选 · 原创 · 11-10 阅读 81·访客 81
85% 的日本游戏开发者在工作中使用生成式 AI]
日本计算机娱乐协会(Computer Entertainment Supplier's Association )的年度行业报告《Video Game Industry Report》显示,85.8% 的日本游戏开发者在工作中使用生成式 A…
行业动态 Solidot · 9-18 阅读 45·访客 45
AI 生成内容检测:水印、检测器与一场不对等的军备竞赛
AI 生成的文本、图像、音视频正在以假乱真,检测技术却在「猫鼠游戏」里节节被动。本篇拆解检测的两条技术路线(被动检测器与主动水印)、各自的可绕过性与部署现实、监管的强制水印要求,以及为什么这场军备竞赛的结构性劣势在防守方——以及什么才是现实的防御姿势。
研究前沿 精选 · 原创 · 11-3 阅读 116·访客 109
LeetCode 22. 括号生成:带回约束的回溯第二课
括号生成是回溯第二课:全排列教了「选择-递归-撤销」骨架,这道题教「用约束剪枝」——每一步的合法选择由两个计数器(已用的左括号数与右括号数)动态决定。本文讲清约束回溯的写法、剪枝的正确性、以及「暴力生成再过滤」与「边生成边剪枝」的效率鸿沟。
算法题解 精选 · 原创 · 11-3 阅读 84·访客 83
LeetCode 22. 括号生成:带回约束的回溯第二课
括号生成是回溯第二课:全排列教了「选择-递归-撤销」骨架,这道题教「用约束剪枝」——每一步的合法选择由两个计数器(已用的左括号数与右括号数)动态决定。本文讲清约束回溯的写法、剪枝的正确性、以及「暴力生成再过滤」与「边生成边剪枝」的效率鸿沟。
算法题解 精选 · 原创 · 11-3 阅读 63·访客 63
因违反生成式 AI 使用规定:清华大学徐宁博士被撤销尼康 2026 显微视频竞赛冠军资格
IT之家 10 月 10 日消息,综合 BBC 报道,尼康宣布原本获得 2026 年 Small World in Motion 显微视频竞赛一等奖的作品因“不符合赛事关于生成式 AI 的相关规定”,因此取消其获奖资格。根据更新后的比赛排名…
行业动态 IT之家 · 10-10 阅读 31·访客 31
小模型生成 + 大模型校验:成本与质量的杠杆组合
让旗舰模型写每一句话是预算刺客。本文讲「小模型生成、大模型校验」的分工经济学——生成是 token 密集型、校验是判定密集型,给出核对放行、批注重写、抽样送检三种组合模式的实现要点,并强调校验器的召回率是整个杠杆的支点,先测它再省钱。
后端技术 精选 · 原创 · 3天前 阅读 16·访客 16
Palantir Foundry 深度研究(四):Action Types 与 Functions,让本体「能动手」
系列前作说过「动力元素是把本体从数据模型变成操作系统级契约的关键」,本篇把这句话拆到机制层:动作类型的四件套(参数、编辑规则、提交条件、副作用)、本体用户编辑与数据管道写入的边界、webhook 失败后的补偿责任、函数的读逻辑与版本语义、OSDK 的类型安全代码生成与权限作用域,以及 OSv2 的 Action 编辑模型为什么值得关注。
后端技术 精选 · 用户投稿 · 4天前 阅读 54·访客 50
操作系统内功 · 第 59 篇|seccomp 与系统调用过滤:容器安全的最后一道闸
系统调用是用户态到内核的唯一大门:本篇讲 seccomp 的 STRICT 与 FILTER 两模式、BPF 过滤器的语义与动作集、Docker 默认黑名单挡了什么,以及用 strace 生成白名单、与 Capabilities 和 LSM 分层的纵深思路。
后端技术 精选 · 原创 · 11-10 阅读 76·访客 75
CopilotKit 与 assistant-ui:Agent 前端集成的开源栈
Agent 的后端能力再强,最终要通过前端抵达用户。CopilotKit 与 assistant-ui 构成 Agent 前端集成的开源栈:把对话、生成式 UI、人机协同(中间态审批)做成 React 组件。本篇拆解 Agent 前端的特有难题(流式状态、生成式界面、人机协同交互)与这套栈的解法。
智能体 精选 · 原创 · 11-4 阅读 45·访客 45
游戏《漫威金刚狼》厕所标识贴图异常引发玩家争议,官方否认使用生成式 AI
IT之家 9 月 20 日消息,据外媒 Insider Gaming 报道,近期有玩家发现《漫威金刚狼》中一处厕所标识存在异常,其中男性图案一侧看起来像有两个人形重叠,因此有玩家怀疑该素材由生成式 AI 制作。 对此,Insomniac G…
行业动态 IT之家 · 9-20 阅读 50·访客 50
从本体到 API 契约:类型生成、校验与兼容性
本体描述概念关系,API Schema 约束请求响应与序列化,二者不能无损互换。本文以告警 API 为例,分析从本体生成 OpenAPI/JSON Schema 的映射边界,并给出运行校验和兼容性测试做法。
后端技术 精选 · 原创 · 3天前 阅读 19·访客 19
OpenAI 的 AI 生成杨-米尔斯存在性证明获专家团队验证确认
OpenAI 指定的专家团队已完成验证并公开其 AI 生成的量子杨-米尔斯理论存在性证明,该问题是克雷千禧年难题之一。
研究前沿 Scientific American · 11-12 阅读 36·访客 36
AI 与纺织服装业:款式生成、柔性供应链与库存预测
服装业的账本压在库存上:AI 从款式生成、需求预测、柔性排产三段切入,调和「小单快返」与「预测备货」的矛盾,直播电商进一步压缩供应链响应时限;本文拆解这条设计—供应链—库存链条的智能化账本。
行业动态 精选 · 原创 · 11-10 阅读 55·访客 55
AI 视频生成的产业账:Sora、Kling 与影视管线的重构
文生视频从演示到量产的三年里,产业账已经分化成三本:广告与营销的快速回本、影视管线的局部改造、以及「长片叙事」仍在排队。把三本账与玩家的卡位策略讲清,就能看懂视频生成这门生意的真实进度条。
行业动态 精选 · 原创 · 11-5 阅读 62·访客 60
一篇读懂 DiT:视频生成模型为什么都换上了 Transformer 主干
从 Peebles 与谢赛宁的 DiT 论文到 Sora 的时空 patch,讲清 Diffusion Transformer 的三个关键设计:patch 化、adaLN-Zero 条件注入与以计算量为标尺的可扩展性。
一叶一世界 精选 · 原创 · 10-7 阅读 453·访客 446
我国生成式人工智能用户规模突破 7 亿人,普及率超 50%
中国互联网络信息中心发布报告称,截至 2026 年上半年我国生成式 AI 用户规模超 7 亿、普及率超 50%,智能问答为最主流使用方式,智能算力规模同比大增 177%。
行业动态 IT之家 · 9-29 阅读 42·访客 42