资讯列表
18项任务200万视频编辑对，云天励飞联合多高校打造出大规模编辑数据集
目前的视频编辑算法主要分为两种：一种是利用 DDIM-Inversion 完成视频编辑，另一种是利用训练好的编辑模型。 然而，前者在视频的一致性和文本对齐方面存在较大缺陷；后者由于缺乏高质量的视频编辑对，难以获得理想的编辑模型。 为了解决视频编辑模型缺乏训练数据的问题，本文作者（来自香港中文大学、香港理工大学、清华大学等高校和云天励飞）提出了一个名为 Señorita-2M 的数据集。
3/12/2025 9:40:28 AM
机器之心
告别平面！MIDI：可提取图片元素生成360度3D场景
还在对着二维照片里的美好场景望眼欲穿?梦想着能身临其境地漫步在那些迷人画面之中?现在，这个愿望有望成为现实!来自CVPR2025的重磅研究——MIDI（Multi-Instance Diffusion for Single Image to3D Scene Generation，多实例扩散单图到3D场景生成）横空出世，它就像一位技艺高超的魔法师，仅凭一张普通的2D图片，就能为你构建出一个栩栩如生的360度3D场景。 一图胜千言?现在还能“变”出整个世界!想象一下，你拍摄了一张阳光洒落的咖啡馆一角，照片里有精致的桌椅、香气四溢的咖啡杯，以及窗外婆娑的树影。 过去，这仅仅是一张静态的平面图像。
3/12/2025 9:35:00 AM
AI在线
谷歌持有Anthropic14%股份，投资已达30亿美元
根据《纽约时报》获取的法律文件显示，谷歌目前持有人工智能初创公司Anthropic14%的股份，接近其允许持有的15%上限。 值得注意的是，尽管投资规模庞大，谷歌在Anthropic并不享有投票权、董事会席位或董事会观察员权。 据报道，谷歌迄今已向Anthropic投入了总计30亿美元的资金，并计划在2025年9月再追加7.5亿美元的投资。
3/12/2025 9:30:00 AM
AI在线
全国第二例判决 AI 版权案:法院确认作者享有著作权
AI 生成内容的知识产权问题带来了不少争议，而江苏省苏州市常熟市人民法院于3月7日宣判了一起备受瞩目的著作权纠纷案。 这起案件被认为是江苏省的首例、全国第二例涉及 AI 生成内容的著作权案。 案件的起因是林某使用 Midjourney 软件生成的图片作品引发的版权争议。
3/12/2025 9:25:00 AM
AI在线
Meta测试内部AI训练芯片，寻求减少对英伟达依赖
据路透社报道，Meta正在测试一种专为人工智能训练设计的内部芯片，这是该公司战略的重要组成部分，旨在降低对英伟达等硬件制造商的依赖。 这些芯片是Meta与台湾半导体制造巨头台积电（TSMC）合作生产的，专门用于处理人工智能特定的工作负载。 目前，Meta正在进行"小规模部署"测试，如果测试结果符合预期，公司计划扩大生产规模。
3/12/2025 9:11:00 AM
AI在线
OpenAI推出新工具帮助开发者构建AI代理
OpenAI周二发布了新的响应API（Responses API），旨在帮助开发人员和企业使用该公司的模型和框架构建能独立完成任务的AI代理。 这一工具包将有效取代OpenAI的助手API，后者计划在2026年上半年停用。 响应API允许企业开发自定义AI代理，这些代理可以执行网络搜索、扫描公司文件和浏览网站，功能类似于OpenAI的Operator产品。
3/12/2025 9:09:00 AM
AI在线
DeepSeek官方回应：R2将在3 月17日发布传闻为虚假
日前有媒体报道称人工智能公司 DeepSeek 可能将在3月17日发布其下一代 R2模型的消息在网络上引发热议。 然而，DeepSeek 官方在用户群中对这一传闻进行了澄清，表示 “R2发布为假消息”。 据了解，DeepSeek 官方通过其企业咨询账号回应了这一虚假消息。
3/12/2025 8:57:00 AM
AI在线
李飞飞全新「保姆」人形机器人，倒垃圾刷马桶家务全包！遥操只需Switch手柄
对人类来说轻而易举的事，对机器人来说很难。 机器人能做家庭管家，照顾好一家人吗？ 要做「家庭管家」，机器人真正需要什么技能？
3/12/2025 8:54:46 AM
新智元
百度AI开源表格识别模型PP-TableMagic
3月11日，百度AI宣布开源新一代表格识别解决方案PP-TableMagic，为表格结构化信息提取领域带来重大突破。 PP-TableMagic旨在解决传统表格识别技术在复杂场景下的局限性，通过创新的多模型组网架构，实现了高精度的端到端表格识别，并支持全场景高定制化的模型微调。 在当今数字化时代，大量重要表格数据仍以非结构化形式存在，如扫描文档中的统计表图片和PDF文件中的金融财报数据。
3/12/2025 8:27:00 AM
AI在线
阿里通义宣布开源R1-Omni模型 可提升多模态情感识别能力
3月11日，通义实验室团队宣布开源R1-Omni模型，为全模态模型的发展带来了新的突破。 该模型结合了强化学习与可验证奖励（RLVR）方法，专注于提升多模态情感识别任务中的推理能力和泛化性能。 R1-Omni的训练分为两个阶段。
3/12/2025 8:21:00 AM
AI在线
被Manus惊到了？OpenAI深夜发布Agent开发三剑客！开源一个新的SDK，现场手搓三个Agent！还抖了一个内部的料
出品 | 51CTO技术栈（微信号：blog51cto）“2025年将是Agent之年，这一年，ChatGPT和我们的开发工具将从仅仅回答问题，转变为真正为你在现实世界中做事。 ”上周Manus通用智能体的发布之后带火了Claude的MCP框架之后，OpenAI终于坐不住了，今天凌晨一点通过直播的形式，一口气把自己内部工程人员在用的Agent开发工具发布了出来。 整体直播不长，只有20分钟，但足以让外界从OpenAI的视角来见识一番以全球最先进的基座模型来做出来的Agent的效果。
3/12/2025 7:56:29 AM
OpenAI 发布新工具，推动 AI 智能体从“回答问题”跨越到“执行任务”
IT之家 3 月 12 日消息，OpenAI 公司昨日（3 月 11 日）发布博文，面向开发者推出了一系列新的工具，帮助其创建 AI 智能体过程中，简化开发流程和增强智能体技能和功能。 此次发布标志着 OpenAI 的 API 平台向更实用、更贴近现实世界的应用迈出了重要一步。 IT之家简要介绍下本次发布的新开发者工具：Responses API：该 API 结合了聊天功能与集成工具（如网页搜索和文件搜索），基于 ChatGPT 搜索模型，提供实时信息并附带引用来源，为开发者提供了更灵活的开发基础。
3/12/2025 7:52:59 AM
故渊
浅谈 AI 对数据库生态带来哪些影响
近期，AI（主要是大模型）大火，很多人也都非常关注。 自己在尝试使用同时，也在思考AI会对数据库有哪些影响？ 这些影响可能会是全方面的，包括对人、公司、行业等等。
3/12/2025 7:35:59 AM
韩锋
为什么说JSON不一定是LLM结构化输出的最佳选择？
当要求大语言模型（LLM）输出结构化数据时，所采用的格式会对结果产生比较大的影响。 本文对比了六种不同的格式，评估考察了它们的处理速度、tokens 消耗以及各自的限制。 1.简要说明JSON 虽然是多数人的首选，但它对 tokens 的消耗极大。
3/12/2025 6:55:00 AM
BaiHai IDP
王炸组合DeepSeek+剪映！手把手教你打造小红书爆款视频！
内容视频化正在成为大势所趋，尤其在小红书平台"破圈"后。 相比图文载体，视频具备 3 倍以上的信息触达效率和优秀的用户留存率，但传统视频制作的高时间成本始终是设计师的最大创作瓶颈。 本文将带你解锁零剪辑基础也能快速产出优质视频内容的方法：AI 提效：从脚本到成片的智能创作链路.
3/12/2025 6:45:30 AM
团队58UXD
Finer-CAM：让AI像‘找不同’一样精准捕捉细粒度特征！
一眼概览Finer-CAM 是一种改进的类激活映射（CAM）方法，能够精准定位区分视觉上相似类别的细粒度特征，在不增加计算复杂度的情况下，大幅提升可解释性。 核心问题传统的 CAM 方法在细粒度分类任务中往往会高亮整个目标区域，而无法有效区分相似类别之间的细微差异。 这导致模型的可解释性受限，难以识别用于决策的真正判别特征。
3/12/2025 3:00:00 AM
萍哥学AI
欧洲银行纷纷尝试 DeepSeek
The Information 报道，据相关人士透露，自今年 1 月以来，包括汇丰银行、英国国民西敏寺银行（英国四大银行之一）以及西班牙对外银行（BBVA）在内的欧洲主要金融机构，一直在将 DeepSeek 与其他 AI 模型一起进行测试。这和美国银行拒绝使用 DeepSeek 的态度截然不同。
3/11/2025 11:11:18 PM
陈俊熹
国内首个：清华大学、腾讯云、英特尔尝试用 AI 让数据库听懂自然语言
清华大学、腾讯云、英特尔于 3 月 7 日在北京宣布启动“数据库 AI 联合创新计划”，围绕数据库与大模型的交叉技术展开深度研究，推动数据库智能化升级，同时为 AI 应用构建高效数据基础设施。
3/11/2025 10:33:17 PM
汪淼