但是人工智能，尤其是大型语言模型（LLM）及其多模态（MLLM）变体，在视频理解方面仍然面临挑战，尤其是在处理长视频时。尽管像 GPT-4V 或 Claude ...

在 市场趋势与产业影响 方面，视频理解领域正在迈向更高的智能水平。随着短视频和长视频内容日趋丰富，AI在这一领域的应用潜力巨大。专家认为，VideoMind的发布不仅为视频理解注入了新动力，也为未来更加智能的多模态系统奠定了基础。

Zhou Min is a village planner in a town near Chengdu, the capital of southwest China's Sichuan Province. She’s committed to finding ways to combine rural modernization with urban development through h ...

Zhou Min is a village planner in a town near Chengdu, the capital of southwest China's Sichuan Province. She’s committed to finding ways to combine rural modernization with urban development through ...

英伟达2025年3月18日的GTC大会看似平淡， 但魔鬼和惊喜都藏在细节中。

Xu Xianping, a former deputy head of the National Development and Reform Commission, China's top economic planner, is under ...

在CG-Bench、ReXTime、NExT-GQA等长视频基准上，VideoMind在答案精确度和时序定位准确性方面表现出了领先优势。特别的，在平均视频长度约为27分钟的CG-Bench中，较小的VideoMind-2B模型在时序定位和问答任务上超 ...

老黄有个策略是，可以用上一代的旧卡做推理，新一代卡做训练。因为旧卡有折扣了，跟其他AI芯片公司在推理场景中竞争时是有优势的。同时对很多人来说，如果训练跟推理的软件框架是一致的，后面软件部署的成本也会降低，这也是英伟达旧卡在推理市场的优势。

来源 | CourseAILangManus 实现了一个分层的多智能体系统，其中有一个主管智能体协调专门的智能体来完成复杂任务.

机器之心报道机器之心编辑部上周五，稚晖君在微博上预告，「下周有好东西发布」。还没进入「下周」多久，智元机器人的「好东西」揭晓了，还是双重惊喜：Vision-Language-Latent-Action (ViLLA) 架构和通用具身基座大模型 ...

近日，智元公司在科技领域迈出了重要一步，正式推出了其首个通用具身基座模型——智元启元大模型（Genie Operator-1），这一创新成果标志着机器人在智能化道路上取得了显著进展。 智元启元大模型的核心在于其独特的Vision-Language-Latent-Action ...

文章援引了美国布鲁金斯学会（Brookings ...