跳到正文
11月9日週一
  1. 新浪科技24

    恩智浦 AI 增強型汽車電子座艙方案帶來甚麼駕乘體驗?

    恩智浦推出 AI 增強型汽車電子座艙方案,透過生成式 AI 人車互動、音頻感知及網絡安全能力,提升座艙功能的易用性與安全性。系統可理解自然語言、辨識救護車警報聲和自行車鈴聲,並判斷聲音方向和距離;亦能防禦未知的零日攻擊。方案支援安全分級的人機互動,並以 i.MX95 處理器等組成端到端座艙平台。

  2. 虎嗅44

    當治療師化身為傷害患者的人

    虛擬現實化身療法讓患者與代表內在批評聲音或加害者的形象對話,研究者正探索它治療飲食失調、精神病性障礙及創傷後應激障礙的潛力。一項涵蓋96名患者的試驗顯示,化身組在治療結束時的生活質素、認知靈活性及治療參與度指標較好,但飲食失調症狀變化未達統計學意義。療法仍有成效、安全及倫理問題待研究,丹麥部分地區已將其納入精神健康服務。

  3. IT之家57

    微軟申請 AI 專利,擬近乎即時修改直播説話內容並同步嘴型

    微軟提交一項 AI 專利申請,構想在直播及其他即時影片節目中近乎即時修改説話內容,並重繪説話者嘴部動作以配合新語音。系統可按預設規則或觀眾個人資料替換特定詞語,處理後影片延遲約 1 至 10 秒播放,亦涵蓋即時翻譯。專利申請編號為 US 2026/0341309 A1,於 2025 年 4 月 29 日提交;審查員於 2026 年 7 月 29 日駁回相關權利要求,微軟尚未透露是否會投入實際開發。

  4. 阿里雲開發者社區 AI36

    智能客服產品盤點:多模態互動與情緒識別

    阿里雲瓴羊 Quick Service 將多模態互動與情緒識別接入智能客服的「感知—理解—決策—執行」流程,讓圖片、語音和情緒訊號可觸發業務操作、調整回覆策略或轉接人工。產品支援15種方言,意圖識別準確率為93%—96%,並服務超過5萬家企業。文章亦列出圖片處理、跨模態資訊對齊及人工交接等選型核驗項目,並比較其他客服產品的能力側重。

  5. DEV Community25

    AMR 感測器與感知——第 25 章:機械人感知的未來

    基礎模型把機械人感知由針對單一任務的識別系統,推向能理解多元環境的通用智能,並有助系統適應未曾遇過的環境。模型透過圖像、影片、點雲、語言描述及感測器記錄等資料進行預訓練,學得可重用的表徵,再以較少任務專屬調整支援不同應用。多模態及視覺語言模型亦支援開放詞彙感知,讓機械人透過文字描述識別未見過的物件。

  6. DEV Community28

    AMR 傳感器與感知——第 01 章:機器人感知概述

    本章概述自主移動機器人(AMR)的感知流程,説明系統如何把傳感器的原始測量轉化為位置估計、路徑規劃、自主導航與控制可用的環境資訊。內容涵蓋感測器資料預處理、特徵提取、物件檢測與追蹤、場景理解、可行駛空間估計、三維感知及多感測器融合,並指出感知資訊的品質會影響定位、安全行駛及任務執行。

  7. DEV Community31

    AMR 感測器與感知——第 06 章:熱成像相機 [KR]

    本章説明 AMR 熱成像相機的成像原理、主要組件與檢測器類型,並分析影響温度測量和影像品質的因素。非製冷微測輻射熱計體積小、功耗低,適合移動機械人;製冷型檢測器則有較高感度與空間解像度,但成本和功耗較高。工業檢查通常需要輻射測量型相機,以取得像素級温度資料。

  8. DEV Community26

    AGI 評估與基準測試:第 07 章

    第 07 章聚焦 AGI 評估與基準測試,指出一般智能不能以單一準確度分數或單一基準衡量。評估應涵蓋泛化、推理、學習、智能體行為、多模態能力、長期任務、穩健性與元認知。評估框架亦須考慮基準污染、安全與對齊,並結合多種測試。

  9. DEV Community17

    人工通用智能第 08 章:AGI 在現實世界的應用

    本章探討 AGI 如何在現實環境中應用,指出核心能力是跨任務與領域遷移知識和認知策略,並透過持續的感知、推理、規劃與行動循環適應變化。內容涵蓋機械人、科學發現、工程、工業、醫療、教育及組織工作,並強調記憶、工具使用、人類監督和安全機制。實際部署的評估應納入長期任務、環境變化、不確定性管理及適時尋求人類協助的能力。

  10. DEV Community26

    通用人工智能——第09章:通往 AGI 之路 [KR]

    現代人工智能已能處理語言、圖像、音訊、影片、程式編寫及數學問題,但能力仍不均衡,不能等同 AGI。推理可靠性、長期自主性、記憶、世界建模及因果理解仍是重要限制。研究正結合基礎模型、記憶、規劃、工具及其他系統,探索通往更一般化智能的路徑。

  11. DEV Community34

    人工通用智能(AGI)第 12 章:總結與練習

    AGI 並非單一演算法、模型或基準測試成績,而是能在不同環境與任務中整合感知、學習、推理、記憶、規劃、行動和適應的系統級智能。實現 AGI 需要結合一般化、世界模型、記憶、學習與規劃等能力,並整合認知架構和工程基礎設施。評估及部署時,亦須重視可靠性、長期任務表現、安全與控制。

  12. DEV Community28

    《因果與科學 AI》第 07 章:工程與部署 [KR]

    《因果與科學 AI》第 07 章説明如何把原始資料轉化為可供因果分析、模型訓練、評估及部署使用的可靠輸入。資料管道須保留來源、時間同步、介入狀態及環境脈絡,並妥善處理驗證、清理、多模態整合和資料集分割。版本管理及可重現的處理流程,則有助追溯模型訓練所用的資料。

  13. DEV Community46

    VR 影片走向「空間體驗」時,雙眼協調仍是待解課題

    VR 影片邁向「空間體驗」時,雙眼協調仍是挑戰;Seven Sports 的 Amblyotube 在 Meta Quest 為左右眼提供不同視覺體驗,作為復康及教育用途的視覺訓練軟件。軟件透過可調濾鏡、AI 選擇性鋭化及雙眼融合提示進行訓練,並提供 LogMAR 視力檢查。適用於 13 歲或以上用戶,建議每日使用 30–40 分鐘;它是輔助訓練工具,不能取代專業醫療指引。

  14. 阿里雲開發者社區 AI40

    AI 肌膚分析上線後的真正難題:如何用 API 打造穩定、可重測的數碼測膚系統?

    AI 肌膚分析要在企業環境穩定運作,不能只靠模型辨識,還需管控圖像品質、異步任務、版本兼容、成本及私隱。AI Skin Analysis V2.1 支援最高 2560 像素的分析輸出分辨率,並以 task_id 管理異步分析任務。結果保留 24 小時,企業需妥善管理版本、數據儲存及刪除機制。

  15. 阿里雲開發者社區 AI33

    阿里雲百煉 Token Plan 雙11套餐比較:Lite 與 Essential 的差價買到甚麼

    阿里雲百煉 Token Plan 雙11推出 Lite 和 Essential 兩檔套餐,差異在 Credits 額度及多 Agent 並發能力,而非模型權限。Lite 每月 1.15 萬 Credits、19.5 元;Essential 每月 2.55 萬 Credits、39.5 元,兩檔均支援 150+ 阿里直供模型。套餐可配合模型通享節省計劃,覆蓋超出套餐額度的調用。

  16. DEV Community32

    Amblyotube 如何以 VR 進行視覺協調和注意力訓練

    Seven Sports 開發的 Amblyotube 是一款在 Meta Quest 上運行的 VR 視覺協調與注意力訓練軟件,讓雙眼在觀看影片時接收不同的視覺效果。用戶可選擇受影響的眼睛及嚴重程度,或進行 LogMAR 視力檢查;系統透過雙眼融合提示,訓練雙眼協調及深度感知。建議每日使用 30-40 分鐘,最多 1 小時;產品屬輔助工具,並非診斷、治療或治癒方法。

  17. 新浪科技61

    Apple 研究團隊發表 HALO 人形機械人自主控制研究,未建圖環境單項任務平均成功率達 91%

    Apple 研究團隊公開人形機械人自主控制系統 HALO,讓機械人按指令在未經事先掃描或建圖的真實環境中調整動作並完成任務。系統將控制流程分為任務編排、動作生成與動作追蹤三層,研究成果刊於 arXiv 預印本《Perceptive Humanoid Motion from Simulation》。

  18. DEV Community40

    VR 觀影流程上的雙眼訓練:Quest 2.10 PTC 與 Amblyotube 架構分析

    Amblyotube 是供 Meta Quest 使用的復康及教育軟件,透過逐眼施加視覺介入,將雙眼訓練融入影片觀看流程。軟件設有 LogMAR 視力測試,並可按測得的嚴重程度更新訓練設定;建議每日使用 30~40 分鐘,每節最多 1 小時,適用於 13 歲或以上用戶。它是輔助視覺訓練工具,不能用作診斷或治療。

  19. HuggingFace Daily Papers(社區熱門論文)35

    dNaViT:離散編碼是通用視覺表徵

    dNaViT 是一種離散原生分辨率視覺 Transformer,透過分組乘積量化及雙分支目標作為通用視覺 tokenizer,支援多種下游任務及高保真圖像解碼。評測顯示,dNaViT 在 12 項視覺理解基準、4 項生成基準及 1 項圖像編輯基準中,達到或超越專用基線。

  20. TechPowerUp56

    Microsoft 專利申請描述可即時修改直播語音並同步重繪唇形的 AI 系統

    Microsoft 提交了一項 AI 系統專利申請,描述可在直播影片中替換或刪除説話者的用詞,並重繪唇形以配合修改。申請編號為 US 2026/0341309 A1,於 2025 年 4 月提交、2026 年 10 月 29 日公開;系統按規則及觀眾年齡、語言或所在地等個人資料選擇要處理的字詞,並以約一至十秒延遲播放結果。