跳到正文
10月23日週五
  1. 新浪科技60

    中國移動牽頭建設的業內首個汽車行業 AI 基座在京發布

    中國移動牽頭建設的國家人工智能應用中試基地(製造領域汽車方向)發布業內首個汽車行業 AI 基座,並即日起向全行業開放共享。基座已納管112.7EFLOPS算力,提供算力、數據及模型服務,覆蓋研發、製造、智能駕駛及測評四大領域,並打造六大智能體。成果已在十餘家央國車企落地;其中,視覺質檢智能體將缺陷檢出率提升至99.5%以上,產線適配時間由4周縮至1周。

  2. 阿里雲開發者社區 AI39

    2026年 GEO 科普:多模態內容對 GEO 的影響——文字、圖片與影片

    多模態內容透過圖片替代文字、説明文字,以及影片標題、簡介、字幕和章節標記,協助生成式引擎理解內容;圖片直接被引用的情況目前相對有限。清晰一致的文字訊號配合內容傳播、自然提及和連結,可間接增加內容被發現及納入文字答案的機會。文章建議以文字為主,按行業和用戶需要選用其他形式,並確保內容有實質資訊。

  3. 雷鋒網51

    為甚麼説奇瑞是一家 AI 公司?

    奇瑞以自研垂類基礎大模型 CheryMind、紫微芯片及跨場景應用,將 AI 能力沉澱為可複用底座,並拓展至 Robotaxi、機械人和農機等領域。CheryMind 已打通 400+ 個企業系統,員工每日使用 6 萬+,覆蓋 200+ 個業務場景。

  4. 第一財經25

    從「賣玩具」到「賣情緒」:潮玩產業正在改變

    潮玩產業正由售賣玩具轉向提供情緒價值與陪伴,能引發消費者共鳴的玩具更受歡迎。10月23日閉幕的2026CTE中國玩具展聚焦全鏈路IP創新、頭部品牌新品首發及AI技術落地,吸引超2500家展商及10萬名專業觀眾。樂唯科技的AI陪伴產品可提供多模態感知、語言交流、遠程看護及健康預警等功能。

  5. 新浪科技52

    奇瑞如何以 AI 重構造車並拓展汽車以外場景?

    奇瑞以 CheryMind 垂直領域基礎大模型、自研紫微芯片和可復用技術底座重構造車流程,並把相關能力延伸至汽車以外的場景。CheryMind 以奇瑞近 30 年積累的 700TB 企業知識、200PB 工程數據等為支撐;高新華稱,工程師仿真優化效率提升 42 倍。共享的模型、芯片、數據與工程能力亦延伸至 Robotaxi、機器人、能源及農機等領域。

  6. 新浪科技35

    聲網 CEO 趙斌:從即時互動到即時智能,對話 AGI 時代正在到來

    聲網創始人兼 CEO 趙斌在 iRTE2026 提出「五級對話能力」框架,描繪對話式 AI 從問答走向理解個人、羣體及長期關係的演進方向。他指出,AI 正由被動回應發展至更主動的全雙工對話,並需要理解上下文及執行任務。聲網介紹以全雙工互動為核心的對話式 AI 引擎,以及面向開發者的 SDK、Skills、CLI 工具和 Recipes。

  7. DoNews41

    微光科技完成近億元 A 輪融資

    深圳微光電子科技有限公司完成近億元 A 輪融資,由無錫市梁溪科技城創新投資有限公司領投,洪泰基金等跟投。微光科技專注多模態情境感知與交互智能體研發,主打輕量化、模組化 AR 智能眼鏡,並佈局 Ego-XR 數據採集與解析技術。融資將用於核心技術研發與產品量產。

  8. 新浪科技66

    MiniMax M3.1 Flash 開源權重,沐曦曦雲 C 系列 GPU 完成 Day 0 適配

    MiniMax 於10月23日開源 M3.1 Flash 權重,沐曦曦雲 C 系列 GPU 同日完成 Day 0 深度適配。模型總參數428B、激活參數23B,支援1M上下文窗口及圖像、影片輸入。MiniMax 官方披露,線上推理速度較前代提升近3倍,Agent 任務綜合 Token 使用成本下降70%;Day 0 適配依託沐曦自主 GPU 與 MXMACA 全棧軟件棧。

  9. 阿里雲開發者社區 AI27

    AI 教培智能體的開發技術

    AI 教培智能體技術框架涵蓋感知接入、大腦推理、教學動作執行、知識與儲存支撐,以及安全與運維保障五個層級。框架支援語音交互、多模態識別、教學策略引擎及多智能體協作,應用於個人化、專業化的英語教學。

  10. HuggingFace Daily Papers(社區熱門論文)45

    WeVisOne-VL:由物件到像素的統一視覺感知

    WeVisOne-VL 透過結構化 token 預測統一物件層級與像素層級的視覺感知,支援物件偵測、定位、計數、OCR、分割及摳圖。模型採用輕量級像素解碼器及多階段訓練,在逾 30 項基準測試中,物件層級與像素層級任務均表現領先,並能穩健拒絕物件不存在的查詢。團隊將 WeVisOne-VL 開源。

  11. 第一財經49

    上海鼓勵企業佈局物理 AI,支持突破世界模型等核心技術

    上海市經濟和信息化委員會印發《上海市加快推動人工智能賦能工業服務業高質量發展行動方案(2027-2028年)》,鼓勵企業佈局物理 AI,突破世界模型構建、多模態物理感知、虛實交互與自主決策等核心技術。方案亦支持工業智能體及工業軟件技術攻關,相關項目可獲最高2000萬元支持。

  12. DoNews57

    LlamaIndex 推出 4B 文件解析模型 OCRia-1

    LlamaIndex 推出視覺語言文件解析模型 OCRia-1,並已將其整合至 LlamaParse,現有用戶無需加價即可獲得這項解析能力。OCRia-1 在 ParseBench 綜合得分 87.4,在 350 億參數以下梯隊排名第一;其圖表專項得分 85.1。LlamaIndex 以超過 10 萬頁文件建立訓練數據集,並結合 SFT 與 RLVR 訓練。

  13. HuggingFace Daily Papers(社區熱門論文)44

    F2G-Pose:幾何感知特徵提升,用於直接 RGB-D 類別級物體姿態估計

    F2G-Pose 以單張 RGB-D 影像直接預測類別級物體姿態、度量尺寸及相機座標系下的完整形狀,採用 DGCNN tokenization 和 Mixture-of-Experts Transformer。該方法在 SOPE 和 ROPE 上達到最先進準確度,僅作姿態推理時速度為 28 FPS。項目頁面、程式碼及預訓練模型均已公開。

  14. HuggingFace Daily Papers(社區熱門論文)46

    超越觀看與搜尋:以影片為中心的深度研究報告智能體基準評測

    研究人員提出影片中心深度研究報告生成任務,並建立評估 AI 智能體的 OmniDR-Bench 基準及 Omni Atomic Rubric Trees(Omni-ARTs)評估框架。OmniDR-Bench 涵蓋 19 個子類別的 50 項中英文任務,共設 6,414 項準則;18 種智能體配置中,最佳系統得分為 63.3/100。相關程式碼及數據已公開。

  15. HuggingFace Daily Papers(社區熱門論文)43

    以測試時回歸重新思考序列壓縮

    TTR-Compressor 以測試時回歸作為序列壓縮方法,透過輸入 token 建立回歸問題,並以擬合係數形成壓縮表示。在區塊式稀疏注意力中,它的 RULER 表現大幅勝過基於注意力的壓縮器;在視覺 token 合併中,它優於標準 MLP 合併器,並以少 55.6% 的視覺 token 達到相同性能。

  16. 創業邦45

    AI女團取代商K?低成本難掩陪伴感與內容創作短板

    AI女團憑低成本製作、持續演出和沒有私生活等特點迅速出圈,但BABYQUEEN以成員「懷孕」為由暫停行程的風波,暴露虛擬偶像難以建立真實陪伴感。文章指出,動作失真、粉絲不買帳和商業代言風險,令AI難以單靠取代真人團體成功;長遠仍須靠作品和可靠營運,並遵守直播監管要求。

  17. IT之家31

    Lenovo 小新 10.1 彩墨柔光版平板電腦上架,搭載聯發科技曦力 G300

    Lenovo 上架小新 10.1 彩墨柔光版平板電腦,搭載聯發科技曦力 G300 處理器及 Android 17。平板配備 10.1 吋、2136×1280 解像度、120Hz 的防眩光 LCD 屏幕,並提供原色、彩紙、墨紙 3 種顯示模式。產品支援 AI 口語教練、拍照講題、百科問答及塗鴉生圖,另有隨附保護殼和手寫筆的趣學套裝型號。

  18. HuggingFace Daily Papers(社區熱門論文)36

    讓 MLLM 潛在表示發揮作用:用於電影感影片生成的因素感知預測學習

    研究提出因素感知預測學習(FAPL),讓影片擴散 Transformer 利用多模態大語言模型(MLLM)的表示,支援稀疏時間推理及電影感影片的因素控制。方法透過分階段訓練,分別加強 MLLM 潛在表示的生成應用、因素控制和時間推理。實驗顯示,FAPL 在稀疏輸入生成影片、因素感知編輯及多鏡頭生成三項任務中,表現持續優於基線方法。

  19. Hacker News 熱門(buzzing.cc 中文翻譯)59

    ModelCompare 測試 12 個文字模型,29/35 個回答指人類重視羣體認同多於真相

    ModelCompare 向 12 個文字模型各提問三次,35 個回答中有 29 個被歸為同一看法,即人類把羣體認同置於真相之前。其中 7 個模型三次作答均給出這類看法。六個圖像模型各生成兩張圖,12 張中有 10 張呈現沉迷手機的消費者與地球受損主題;文字模型的 35 個回答則沒有提到手機或地球。

  20. HuggingFace Daily Papers(社區熱門論文)46

    前沿 VLM 智能體準備好成為機械人通用智能體嗎?Embodied Agent Arena 實證研究

    一項以 Embodied Agent Arena 評估前沿 VLM 智能體的實證研究發現,閉源權重模型在五個領域均領先,開放權重模型在規劃與操作方面的成功率明顯較低。評測涵蓋十個 VLM 智能體及 1,000 個案例,整合 32 個既有來源和 168 個案例的 GeoProbe。失誤包括幾何、控制及推理問題,增加計算量未能一致地解決這些失誤。

  21. HuggingFace Daily Papers(社區熱門論文)43

    多模態大型語言模型檢索頭的更全面考察

    研究分析多模態大型語言模型的檢索頭,發現它們在音訊與視覺模態間仍然稀疏,且大部分共用。研究涵蓋 18 個模型檢查點;將共用檢索頭用於優化後,Qwen3-VL-8B 在 MMDocIR 的頁面 Recall@1 提升 6.03 分,並改善三個模型系列的文件檢索表現。

  22. HuggingFace Daily Papers(社區熱門論文)39

    Ψ-0.6:統一視覺語言世界模型中的自適應思維流

    Ψ-0.6 是一個統一視覺語言世界模型,能在共享推理過程中自適應組合感知、語言、幾何與模擬,以提升空間推理及反事實模擬能力。它在多視角空間推理中零樣本超越領先的開放權重模型,並可透過幾何中間表示進一步提升表現。以任務回饋進行的強化學習可提升視覺問答準確度,且增益能遷移至未見過的基準測試。

  23. HuggingFace Daily Papers(社區熱門論文)44

    LoCA:為地理空間位置編碼器引入多模態能力

    LoCA 提出兩階段流程,以對比學習共同對齊 Sentinel-1 和 Sentinel-2 編碼器,建立高秩多模態目標,再訓練位置及表格中繼資料編碼器。與 5 種先進編碼器在 17 項地理空間任務比較,LoCA 贏得 68.8% 的逐項比較,並在過半任務中勝過所有其他模型。

  24. DEV Community51

    如何從餐點照片估算卡路里:比較 4 種方法

    文章比較 4 種估算一餐卡路里的方法,從手掌份量和參照物查表,到通用 AI 助手及照片記錄 App。文中提醒,這些方法得出的都是估算而非測量;若因健康原因需要精確數字,應稱量食物並諮詢營養師或醫生。作者開發的 Mealumo 僅限 iPhone,介面只有英文,並要求 iOS 26 或更新版本;照片分析需連接外部 AI 服務及互聯網。