造物 100 #04｜AI 为爱做「鸭」、PLAUD 又推新作、字节 TRAE 造了个数字工牌
Hugging Face 交卷一只走路摇摇晃晃的鸭子，OpenAI 正在造自己的智能音箱，字节跳动旗下 TRAE 联名 FoloToy 开始改造自己挂在胸口的工牌。
大模型学会拖进度条看视频了，阿里新研究让视频推理告别脑补，实现证据链思考
来自阿里巴巴未来生活实验室的研究团队认为，这背后是任务性质的根本差异:数学推理是纯文本空间的逻辑游戏，而视频推理需要模型在视觉内容和文本逻辑之间反复穿梭、验证。
Github获8k Star！入选苹果CoreML模型库的Depth Anything
字节跳动技术范儿 字节跳动技术团队 2024年07月10日 20:20 重庆字节跳动大模型团队成果 Depth Anything V2 现已被苹果官方收入 Core ML 模型库。
我用YOLOX露了一手，记录一下模型部署、优化及训练的实现全过程
实验环境:实验机器:1台PC:CPU: AMD Ryzen 7 1700X Eight-Core Processor， 内存: 32G， 显卡: 2张GeForce GTX 1080 Ti 11G。
港大提出RaPO：强化微调破解MLLM灾难性遗忘，代码已开源
部分轨迹呈现高漂移:虽然刚好命中了新任务标签，但其在参数空间与表征分布上已发生了剧烈突变，彻底背离了历史知识。
造物 100 #04｜AI 为爱做「鸭」、PLAUD 又推新作、字节 TRAE 造了个数字工牌
Hugging Face 交卷一只走路摇摇晃晃的鸭子，OpenAI 正在造自己的智能音箱，字节跳动旗下 TRAE 联名 FoloToy 开始改造自己挂在胸口的工牌。
GitHub 8k Star，一作实习生，字节这个大模型成果被苹果选中了
机器之心发布机器之心编辑部字节跳动大模型团队成果 Depth Anything V2 现已被苹果官方收入 Core ML 模型库。本文介绍了 Depth Anything 系列成果的研发历程、技术挑战与解决方法，分享了团队对于 Scaling Laws 在单一视觉任务方面的思考。
ICCV 2025 | 北大王选所最新成果速览
来源：【北京大学】第20届国际计算机视觉大会（ICCV 2025）于2025年10月19日- 10月23日在美国夏威夷举办。International Conference on Computer Vision（ICCV）是计算机视觉领域的CCF A类顶级国际会议。
肉眼看不出的幻觉？清华提出视觉源幻觉，仅用0.9%数据实现SOTA
来源：新智元多模态大模型的物体幻觉，长期被归因于语言先验。先看下面两组对话。
肉眼看不出的幻觉？清华提出视觉源幻觉，仅用0.9%数据实现SOTA
第一组，一张只有小狗的照片，问模型「图中有椅子吗」，它答「没有，图中是一只狗」，完全正确;近日，来自清华大学的团队在ACM MM 2026论文中提出:当模型输出很短时，比如只回答Yes/No，推理更依赖视觉模态，此时会浮现出另一套幻觉机制，它根植于视觉特征提取本身。