visual perception
PulseAugur coverage of visual perception — every cluster mentioning visual perception across labs, papers, and developer communities, ranked by signal.
6 天有情绪数据
-
理想汽车目标通过自研AI芯片和模型实现特斯拉FSD V14同等水平
理想汽车正在开发其自动驾驶能力，以匹配特斯拉的FSD V14，重点关注安全、效率和舒适性，以及识别特殊车辆和交通警察信号等高级功能。该公司正在整合视觉-语言-动作（VLA）和世界模型方法，强调语言模型在L3/L4自动驾驶中实现类人推理的关键作用。理想汽车还在大力投资自研AI基础设施，包括Mach M100芯片和强大的数据系统，目标是在其车辆内建立集中的AI计算中心，以提高效率和任务隔离性。
-
新的ReTeX框架可从合并的AI模型中恢复任务专家性能
研究人员开发了一个名为ReTeX的新框架，以解决多任务模型合并中的参数干扰问题。该方法将干扰建模为加性偏移，并预测这些偏移以从单个合并模型中恢复单个任务专家的性能。ReTeX在计算机视觉和自然语言处理领域均实现了超过95%的个体专家性能，并通过自适应地插值专家知识来提高对未见任务的泛化能力。
-
NVIDIA Vera CPU 将加速洛斯阿拉莫斯国家实验室的科学智能体 AI
NVIDIA 的 Vera CPU 将为洛斯阿拉莫斯国家实验室 (LANL) 的新超级计算机提供动力，增强科学发现和智能体 AI 能力。名为 Mission、Vision 和 Veritas 的新系统将把 Vera CPU 与 NVIDIA Rubin GPU 和 InfiniBand 网络集成在一起。早期测试表明，Vera CPU 在 URSA AI 智能体和 Branson 模拟工具等科学工作负载上的性能明显优于之前的架构，有望加…
-
Apple Inc. 计划在 2026-2027 年密集发布产品，包括智能眼镜和增强 AI 功能的 AirPods
Mark Gurman 报道称，Apple Inc. 计划在 2026 年和 2027 年推出异常密集的系列产品。关键发布包括 2026 年秋季的新款 iPhone 和 Apple Watch 型号，以及支持 Apple Intelligence 的 Mac 更新和新款 iPad。次年，即 2027 年，将推出第二代 iPhone Air，配备改进的摄像头和电池，以及具有摄像头功能以支持 AI 功能的新款 AirPods，还有苹果的首…
-
DeepSeek 发布新视觉模型，增强感知能力
DeepSeek 宣布发布其新的视觉模型，旨在增强视觉感知能力。该模型可通过提供的聊天链接访问，标志着该公司在人工智能发展方面迈出了新的一步。
-
AI联合科学家自动化研究循环，提升搜索排名性能
研究人员开发了一个AI联合科学家框架，该框架集成了LLM代理和直接的云计算访问，以自动化搜索排名系统的研究循环。该框架采用混合代理架构，使用单LLM代理处理常规任务，并使用多LLM共识做出关键决策，涉及GPT-5.2、Gemini Pro 3和Claude Opus 4.5等模型。该系统在Transformer基线之上额外实现了0.083%的提升，为旅游平台的搜索排名性能带来了0.201%的总离线改进。AI联合科学家还识别并提出了自然…
-
PaperJury 系统通过确定性编排简化 LaTeX 论文审查
研究人员开发了 PaperJury，一个专为严格审查和修订 LaTeX 文档（尤其是科学论文）而设计的新颖系统。该闭环系统将确定性编排与语义代理分离，以管理问题标识、路由和修订流程，旨在提高编辑的质量和安全性。专家评审评估表明，与现有方法相比，PaperJury 在处理论文修订方面具有有效性。
-
新的图学习框架应对LLM的噪声和异质性
研究人员正在开发新的图学习方法，这些方法利用或绕过大型语言模型（LLM）。一种名为CANE的方法通过估计条件可靠性来纠正错误，从而解决了LLM生成的标签噪声问题。另一种方法VISION将图少样本学习重新构建为无微调的推理问题，利用受LLM启发的上下文学习能力，但无需直接依赖LLM。第三个框架GILT提供了一个无LLM、无微调的图基础模型，通过基于token的上下文学习机制处理数据异质性，实现高效适应。
-
欧盟各国政府放弃美国科技，转向本土和开源替代方案
欧洲各国政府正日益从美国科技巨头转向本土和开源替代方案。这一战略转变的驱动因素是对数据主权、控制权以及减少对外国科技公司依赖的担忧。法国正率先采取行动，用Visio和LaSuite等国内选项取代Zoom和Microsoft Teams等服务，而其他欧盟机构则将云和健康系统迁移到欧洲供应商。
-
新方法实现跨领域可泛化的神经网络缩放定律
研究人员开发了一种方法，可以创建可泛化应用于不同领域的神经网络缩放定律。这些定律预测了模型性能与数据或计算等资源之间的关系。新方法识别了关键的不变量，使得在一个领域拟合的缩放定律可以迁移到其他领域，即使在数据分辨率降低的转换下也是如此。这在语言、视觉和语音领域得到了验证，能够准确预测电子健康记录和嘈杂时间序列数据等专业应用。
-
新工具通过优化优化器状态来减少AI训练中的GPU内存使用量
研究人员开发了一种预算感知优化器配置器（BAOC），以解决大规模模型训练过程中显著的GPU内存消耗问题。BAOC根据梯度行为以及指定的内存和时间预算，智能地为不同的网络块分配不同的优化器配置。该方法旨在在不影响训练质量的情况下减少内存使用量，并在视觉、语言和扩散模型上的实验中得到了证明。
-
新的SIGHT框架通过时间结构改进可穿戴活动识别
研究人员开发了SIGHT，一个旨在提高可穿戴人体活动识别模型性能的新测试时自适应框架。该框架通过利用活动流中的时间结构，解决了用户数据变化引起的性能下降问题。SIGHT轻量级，无需反向传播，适用于边缘设备的实时部署，在效率和准确性方面优于现有方法。