跳到正文
目前篩選:一手
9月29日週二
  1. Microsoft Research61

    Microsoft Research 介紹 Quine 生物學 AI 研究系統並開放 Fellows 計劃申請

    Microsoft Research 介紹 Quine,一個結合生物學多模態世界模型與互動式研究流程的 AI 研究系統,並開放首屆 Quine Fellows 計劃申請。

    推薦理由:Quine 將跨生物模態的世界模型接入文獻、科研工具與實驗迴圈,並以胰臟癌細胞狀態轉換案例展示預測如何進入濕實驗驗證。

9月25日週五
  1. CAIR 中科院香港人工智能與機器人創新中心49

    CARES 4.0 智能體亮相,港深院長共話 AI 落地,醫研產投聚力協同——第四屆香港具身智能醫療科技論壇攜手繪就未來智慧醫療商業化之路

    CAIR 在第四屆香港具身智能醫療科技論壇發佈自研多模態臨牀智能體系統 CARES 4.0,推動醫療 AI 智能體融入臨牀工作流。系統涵蓋診療、科室管理及醫學科研,並已在多家三甲醫院完成落地驗證。CARES 4.0 官網已開放,框架與通用工具包已發佈,醫療工具包陸續上線。

9月14日週一
9月3日週四
9月1日週二
  1. Runway:News(網頁)67

    Runway 介紹 Solaris,首個即時生成互動介面的 Interface World Model

    Runway 介紹 Solaris,這是其首個 Interface World Model,以逐幀即時生成介面,並根據用戶操作持續回應。與 Claude Opus 5 生成的程式化介面比較時,250 名參與者評估了 30 個互動案例;指令遵循方面,Solaris 獲 61% 偏好、程式化結果獲 24%、兩者相若佔 13%;場景自然度方面則分別為 71%、21% 和 6%。

8月28日週五
  1. Google Research59

    Google Earth AI 介紹實驗性行星預測引擎 PPE,自動化地理空間建模流程

    Google Earth AI 介紹實驗性行星預測引擎(PPE),可根據自然語言查詢自主完成地理空間資料搜尋、整理、模型訓練與評估。測試中,21 項 CDC 健康指標的平均 R² 為 76.8%,高於人工專家流程的 60.0%;尼日利亞糧食安全由 ADM1 下採樣至 ADM2,R² 為 66.1%,基線為 31.5%。

8月26日週三
8月21日週五
8月18日週二
  1. HKGAI 香港生成式人工智能研發中心30

    HKGAI攜手五豐行亮相第36屆美食博覽

    HKGAI與五豐行首度攜手亮相第36屆香港貿發局美食博覽,將本土人工智能技術融入日常飲食場景。雙方在AI智能助理「港話通」應用程式推出「拍攝識食材」功能,帶來「優質食材+AI煮法」一站式飲食體驗。

8月13日週四
  1. Hugging Face Blog53

    OlmoEarth Studio 新增自訂嵌入向量匯出功能

    OlmoEarth Studio 新增自訂嵌入向量匯出功能,輸出可用於下游分析的 COG。使用者可設定研究區域、時間範圍、編碼器、解析度及影像來源;文章示範相似度搜尋、少樣本分割、變化檢測和 PCA 探索。以 60 個標註像素訓練的分類器取得 weighted F1 = 0.84,匯出檔可用於 QGIS、GDAL、rasterio 等工具。

8月12日週三
  1. Google Research68

    Google Research 推進 AMIE 邁向專家級視聽臨牀會診

    Google Research 展示基於 Gemini 和 Project Astra 的 AMIE (Video),在模擬即時視像會診中,核心臨牀能力獲評與基層醫生相當。

    推薦理由:研究以 300 場模擬視像會診比較 AMIE (Video)、文字版 AMIE 與基層醫生,呈現視聽感知和虛擬檢查的表現差異,並交代病人演員研究的適用邊界。

8月10日週一
  1. Hugging Face Blog77

    Meta 發佈 Muse Glimmer 30B 多模態模型,採用 Apache 2.0 授權並面向本地智能體應用

    Meta 發佈 Muse Glimmer,一款由 Muse 蒸餾而來、面向本地智能體應用的多模態 30B 模型,採用 Apache 2.0 授權。模型由 2B ViT-style 視覺編碼器和 28B 文字解碼器組成,支援圖像、影片輸入及多模態工具調用。

    推薦理由:文章把 Muse Glimmer 的本地智能體定位、30B 架構與 transformers、llama.cpp、vLLM 等入口連起來,提供從本地推理到託管部署的實作參考。

8月4日週二
  1. Mistral AI62

    Mistral AI 發佈 3B 多模態安全分類器 Shieldstral

    Mistral AI 發佈 Shieldstral,一款 3B 開放權重多模態安全分類器,可用自然語言政策評估文字與圖像,無須重新訓練。它將內容審核設計為可在推理時指定政策的二元問答,並輸出校準後的安全分數;Mistral 稱其在多項基準上匹配或超越模型規模最高達其 7x 的開放權重安全模型。

    推薦理由:將審核政策置於推理時的自然語言問題中,使同一個 3B 模型可按部署情境調整文字與圖像判斷,無須重新訓練。

8月1日週六
  1. Runway:News(網頁)58

    Runway Characters 登上 SIGGRAPH 2026 的 Real-Time Live! 舞台

    Runway 的 Characters 入選 SIGGRAPH 2026 的 Real-Time Live!,團隊在現場展示可由單張圖片生成、以即時逐幀方式回應對話的角色系統。團隊表示,對話可維持 30 分鐘或以上而不降質,系統逐幀生成畫面,而非循環播放影片片段。達到即時回應所需的低延遲,依靠 Characters 背後的渲染引擎,以及串流影音和逐層減少延遲的工程工作。

7月31日週五
  1. CAIR 中科院香港人工智能與機器人創新中心34

    CAIR聯合瑞臻再生醫學發佈細胞治療行業首個多模態AI大模型RC-GPT V1.0,開啓iPSC“智造”標準化新時代

    CAIR 與瑞臻再生醫學發布 RC-GPT V1.0,將多模態 AI 系統性嵌入 iPSC 分化製備全流程,為細胞治療生產標準化提供技術路徑。模型以四大功能模組協同支援分化監控、質量預判及批次一致性保障,並可在單卡完成訓練與推理。文章稱,該模型已完成概念驗證。

7月30日週四
  1. Google DeepMind66

    Google DeepMind 發佈 Gemini Robotics ER 2,支援影片理解、任務編排與多機械人協作

    Google DeepMind 發佈 Gemini Robotics ER 2,這款面向機械人的具身推理模型可理解連續影片、編排多步任務,並支援多機械人協作。它在任務進度分類達 57.4% 準確率,關鍵時刻定位達 91.3% 準確率、平均絕對距離為 0.96s。

    推薦理由:文章將影片進度追蹤與多機械人協作納入模型更新,並提供任務評測數據,讓讀者掌握 Gemini Robotics ER 2 的具身推理能力變化。

7月28日週二
  1. Google DeepMind69

    Gemini Robotics 2 為機械人帶來全身智能控制

    Google DeepMind 發佈 Gemini Robotics 2 系列模型,為機械人帶來全身控制、靈巧操作及多機協作能力。系列包括將視覺與語言輸入轉為動作控制的 Gemini Robotics 2、用於具身推理與多步任務規劃的 Gemini Robotics ER 2,以及可在機械人裝置本地運行的 Gemini Robotics On-Device 2。

    推薦理由:全身控制、靈巧操作、多機協作與本地適配均有具體案例,呈現 Gemini Robotics 2 系列面向機械人任務的能力佈局。

7月26日週日
7月24日週五
7月21日週二
  1. The HKU Lead 港大新聞 · AI 研究及應用38

    Three HKU scholars awarded RGC Senior Research Fellowships and Research Fellowships To advance black hole astrophysics, AI geospatial mapping, and medical bioprinting

    香港大學三位學者獲研究資助局 2026/27 學年高級研究員計劃及研究員計劃資助,研究涵蓋 AI 地理空間測繪、醫療生物打印和黑洞天體物理。梁順林教授將結合衞星觀測、地圖及地理空間數據,開發多模態 AI 工具,生成即時社會經濟指標。方宣來教授和戴利新教授的項目分別聚焦生物打印模型,以及超愛丁頓吸積物理。

7月18日週六
  1. Runway:News(網頁)37

    R/GA 如何利用 Runway Characters 打造活態傳承

    R/GA 利用 Runway API 的 Characters 建立 Bob Greenberg 的即時 AI 虛擬形象「Forever Founder」,呈現創辦人的理念與公司歷史。團隊表示,項目很快便達到約 90% 的進度,其後透過調整提示詞、重新訓練語音及完善知識庫逐步修整。現時示範仍是原型,長遠計劃是讓全球員工可在線使用,並納入更多公司歷史和數據。

7月9日週四
  1. Google Research57

    SensorFM:邁向穿戴式健康數據的通用智能與介面

    Google Research 提出 SensorFM 大型感測器基礎模型,以來自五百萬名參與者的逾一萬億分鐘未標註穿戴式裝置訊號學習通用生理表徵。凍結模型編碼器後訓練的線性探測,在 35 項健康任務中的 34 項勝過特徵工程監督基線。在 31 份參與者檔案的評估中,加入 SensorFM 預測提升個人健康智能體摘要在五個評分維度的表現;與以真實測量值作依據的摘要評分則沒有統計顯著差異。

7月8日週三
7月1日週三
6月16日週二
  1. 香港科技大學 · AI 研究及應用31

    HKUST and HKUST(GZ) Present SURREALITY MR × AI Digital Art Cross-City Exhibition

    香港科技大學與香港科技大學(廣州)舉辦 SURREALITY MR × AI 數碼藝術跨城展覽,展示兩校跨地域融合藝術與科技的創作。展覽匯集逾70位來自23個國家及地區的數碼藝術家作品,兩校共展出近50件作品。展覽明日起在香港科技大學(廣州)展出至2026年7月31日,之後將返回香港與公眾交流。

6月13日週六
6月9日週二
  1. Google DeepMind72

    Google DeepMind 發佈 Gemma 4 12B 統一免編碼器多模態模型

    Google DeepMind 發佈 Gemma 4 12B,定位為可在筆記型電腦本機運行的多模態模型,並為中型模型加入原生音訊輸入。它採用免多模態編碼器架構,將視覺和音訊輸入直接整合至 LLM backbone;標準基準表現接近 26B MoE,總記憶體佔用不足其一半。Gemma 4 12B 以 Apache 2.0 授權釋出,可透過 LM Studio、Ollama 等工具試用。

    推薦理由:Gemma 4 12B 的免編碼器設計、接近 26B MoE 的基準表現與較低記憶體佔用,提供比較中型多模態模型架構和本機部署定位的具體依據。

  2. Hugging Face Blog70

    智能體如何串接兩個 Hugging Face Spaces 建成巴黎地標 3D 畫廊

    編碼智能體串接兩個 Hugging Face Spaces,生成巴黎地標圖像及 3D Gaussian splats,並將畫廊部署為靜態 Space mishig/monuments-de-paris。

    推薦理由:案例展示了透過 Hugging Face Spaces 的 agents.md 串接圖像生成與單圖 3D 重建,並以各一句提示複用到日本及埃及主題畫廊,呈現多媒體工作流的可遷移性。

6月5日週五
  1. Hugging Face Blog62

    NVIDIA 發佈 Nemotron 3.5 Content Safety,整合多模態安全判定與自訂政策

    NVIDIA 發佈 Nemotron 3.5 Content Safety,將多模態輸入、多語言覆蓋、自訂企業政策與可審計推理整合至單一 4B 模型。模型基於 Google Gemma 3 4B IT,明確訓練覆蓋 12 種語言,並承接其約 140 種語言的 zero-shot 泛化;可選 THINK mode 會輸出推理軌跡。

    推薦理由:Nemotron 3.5 將多模態判定、自訂政策和可審計推理整合於 4B 模型,並附訓練資料集,提供企業安全審核的部署參考。

5月18日週一
  1. Google DeepMind80

    Google DeepMind 推出 Gemini Omni,首個模型為 Gemini Omni Flash

    Google DeepMind 推出 Gemini Omni 系列首個模型 Gemini Omni Flash,可結合圖像、影片、文字及語音參考生成影片,並支援透過對話編輯。

    推薦理由:材料把 Gemini Omni Flash 的多模態輸入、對話式影片編輯和分階段上線平台放在一起,便於理解新模型如何連接生成能力與實際使用入口。

5月16日週六
5月4日週一
  1. Runway:News(網頁)74

    Runway Characters 如何將單張圖片轉化為即時對話影片智能體

    Runway Characters 建立在 GWM-1 上,可把單張參考圖片轉化為具豐富表情的對話影片角色,並以 24fps 生成 HD 影片。模型每幀有效運算時間為 37 毫秒,伺服器端由用戶停止説話至角色開始回應需時 1.75 秒;系統透過逐幀生成及擴散 Transformer 與 VAE 解碼器並行處理,實現即時生成。

4月30日週四
  1. Google DeepMind60

    Google DeepMind 宣佈 AI co-clinician 醫療研究計劃,探索醫療協作模式

    Google DeepMind 宣佈 AI co-clinician 研究計劃,探索讓 AI 在醫生專業監督下協助患者照護。在 98 個基層醫療問題的評估中,97 個案例錄得零項嚴重錯誤;在開放式藥物問答中,系統表現勝過可用的前沿 AI 系統。

    推薦理由:文章並列呈現 AI co-clinician 在證據整理、藥物問答和多模態問診的測試結果,並以醫生整體表現較佳界定其臨牀輔助定位。

  2. 香港浸會大學 · AI 研究及應用48

    香港浸會大學交響樂團以 AI 及藝術科技重新定義東九文化中心現場音樂體驗

    香港浸會大學交響樂團在東九文化中心舉行「Live Music ReIMAGINEd」年度音樂會,結合即時 AI 視覺、電子音樂改編及人形機械人 Sophia,探索現場音樂與藝術科技的融合。Sophia 與樂團演出三首原創歌曲,音樂會亦首演為浸大 70 週年創作的《Birthday Fantasia》。