南洋理工&腾讯最新 Rolling Forcing 解决流视频生成长期误差累积，连贯如一且长达数分钟！
论文链接：https://arxiv.org/pdf/2509.25161 项目链接：https://kunhao-liu.github.io/Rolling_Forcing_Webpage/ 图 1：Rolling Forcing 可在单…
16 0 0
声浪
阿里重磅开源：端到端VLM文档解析模型，图片直出结构化HTML！
在 AI 文字识别类应用的落地过程中，有一个被低估却非常关键的环节：文档解析。 无论是科研、金融、法律，还是教育、医药、制造业，日常处理的海量文档里，总有一大类以 PDF、扫描件、图片的形式存在。 要想把它们转化为 AI 可用的知识，需要先…
14 0 0
刚刚，LeCun团队开源首款代码世界模型！能像程序员一样思考的LLM来了
来源丨新智元 疯狂挖人的Meta，终于在今天发布了最新AI研发成果！代码世界模型CWM是本次发布的模型，创新性地将世界模型引入了代码生成任务中。这是否会成为编程模型新范式？ 疯狂挖人的Meta，终于把他们的AI研发新成果端上来了！ 就在今天…
15 0 0
DeepSeek-V3.1「终极版」重磅发布！最大提升超36%，V4/R2还远吗？
来源丨新智元 DeepSeek最新模型DeepSeek-V3.1-Terminus来了！此前在输出中随机掺入「极」字的问题得到显著缓解，Humanity's Last Exam成绩也较V3.1提升1/3！Terminus这个名字是否在暗示D…
26 0 0
Stable Audio 2.5丨企业级音频生成AI模型，3分钟曲目2秒钟完成
来源丨AI音频时代 人工智能研究实验室Stability AI正式推出企业级音频生成模型Stable Audio 2.5。也是首款针对企业级用例开发的模型。 Stable Audio 2.5在音频细节处理、生成速度、音乐结构完整性以及功能拓…
20 0 0
Qwen下一代基础架构突袭！秒解AIME数学竞赛题，提速10倍+性价比提升10倍
来源丨量子位 Qwen下一代模型架构，抢先来袭！ Qwen3-Next发布，Qwen团队负责人林俊旸说，这就是Qwen3.5的抢先预览版。 基于Qwen3-Next，团队先开源了Qwen3-Next-80B-A3B-Base。 模型参数80…
14 0 0
CosyVoice TTS 3.0版本，让声音也能有情绪
CosyVoice 系列一直是 TTS 领域备受瞩目的标杆之作。从 CosyVoice 1 到如今的 CosyVoice 3，它不仅逐步实现了当前 TTS 技术的主流功能，更在技术架构上实现了全面覆盖与深度优化。近日，CosyVoice 3…
17 0 0
大模型破译甲骨文创下新SOTA！复旦团队推出新框架
来源丨量子位 让大模型破译从未见过的甲骨文，准确率拿下新SOTA！ 自复旦大学的研究人员提出了一种基于部首和象形分析的可解释甲骨文破译框架—— 不仅在公开基准数据集HUST-OBC和EV-OBC上，达到最先进的Top-10识别准确率以及优异…
13 0 0
美团开源 Meeseeks 评测集：揭秘大模型的 “听话”能力
来源丨美团技术团队 针对大模型知识推理能力与指令遵循能力存在表现差异的现象，为推进指令遵循能力的系统化研究与精准评估，美团 M17 团队推出全新评测基准 Meeseeks，并在魔搭社区、GitHub、Huggingface等开源平台上线。…
25 0 0
台大李宏毅与微软合作提出STITCH：能够边说话边深度思考的口语语言模型
ChatGPT、DeepSeek 等语言模型具备「深度推理」（Reasoning）能力，这类模型会在回答问题前先进行一段较长的推论过程，使回答的品质大幅提升。 不过，这种「先停下来思考再作答」的方式，虽然能产生更高品质的回应，却不太适用于需…
33 0 0