帝国理工开发出"轻量级立体视觉神经网络"，比同类方法快近2倍
来源：市场资讯（来源：科技行者）这项由英国帝国理工学院（Imperial College London）计算机系领导的研究，于2026年6月23日以预印本形式发布，论文编号为arXiv:2606.24457。
AI炼气计划 第7讲：CNN进化史：从AlexNet到EfficientNet架构智慧
模块二：卷积神经网络：架构演进与视觉应用（2/7）【一句话核心】过去十年，CNN骨干网络通过增加深度、优化连接、提升效率三个方向的持续创新，实现了从“能看”到“看清”再到“高效看清”的跨越式发展。【庖丁解牛】CNN的发展不是简单的“堆更多层”，而是一系列精妙的架构创新。
浙江鹏信信息科技股份有限公司申请知识问答系统相关专利，提升知识问答的精准性与结果可靠性
来源：新浪证券-红岸工作室10月22日消息，国家知识产权局信息显示，浙江鹏信信息科技股份有限公司申请一项名为“一种基于混合检索增强的知识问答方法及系统”的专利。申请公布号为CN122946526A，申请号为CN202611445929.
深度｜华为 AI，迎来大变
他已在相关领域发表 CCF-A 类学术论文 70 余篇，涵盖 NeurIPS、ICML、CVPR、ICCV、IEEE TPAMI 等顶级会议与期刊，并曾担任 NeurIPS 和 ICML 的领域主席，以及 VALSE 的高级领域主席。
从算力芯片到开放生态 AMD完整布局物理AI产业 赋能下一代自主机器人
【ZOL中关村在线原创技术解析】2026年生成式AI应用正在持续爆发，全球科技产业正从数字智能向物理智能加速跃进。从人形机器人、手术机器人到智能工厂设备、自主物流系统等领域，机器人以及智能设备所能承载的任务愈发重要。
为什么这轮物理 AI不一样？
随着预训练持续推进，模型适配新任务所需的专用数据和梯度更新显著减少，下一动作预测误差仍在持续下降。我们认为，这表明大规模物理交互预训练正推动机器人由针对单一任务反复训练转向基于示范快速学习，技能获取方式开始发生根本变化。
如何判断AI视频真假？综述动态、可溯源、可解释的检测体系
过去两年，视频生成模型正飞速演进，从24年底Sora刚发布时的惊艳效果，到Google Veo、Sora 2、Kling系列模型，以及今年年初的Seedance 2.0等视频生成模型的多点爆发，AI生成视频的质量已发生了质的飞跃，可以生成出电影级别的逼真效果的数分钟、多人物、复杂场景下的视频。
EfficientNet模型的完整细节
谷歌AI在这篇文章中:见原文链接介绍了它，他们试图提出一种更高效的方法，就像它的名字所建议的那样，同时改善了最新的结果。