跳到正文
10月28日週三
  1. 新浪科技58

    Google DeepMind 發佈 Genie 4,可即時生成並操控互動世界

    Google DeepMind 發佈世界模型 Genie 4,支援即時生成動態環境,並讓用戶以鍵盤控制角色或鏡頭、以自然語言修改場景。模型亦可同步生成環境音、音樂及人物對話,Gemini 負責理解任務、規劃事件並引導模擬。目前 Genie 4 以研究預覽形式向部分受信任測試者開放;Google 指出,長時間互動中的場景一致性及複雜物理、音訊等仍需改進。

  2. DEV Community63

    Genie 4:原生音訊、約兩分鐘連貫性與一處公告錯字

    Dishant Sharma 評析 Google 公佈的 Genie 4 研究預覽,聚焦原生音訊、約兩分鐘的場景連貫性及公告中的措辭錯字。公告提及環境聲、音樂與對話同步生成,並先向可信測試者開放;官方文章只寫「短時段」,約兩分鐘數字來自簡報。文章指出,Gemini Omni 與 Gemini 3.8 Flash 分工處理模擬與規劃,但場景漂移、音訊錯配和物理錯誤限制其作為機械人訓練環境的適用性。

  3. 新浪科技66

    Google DeepMind 發佈世界模型 Genie 4,單次模擬可維持約兩分鐘

    Google DeepMind 發佈新一代世界模型 Genie 4,單次模擬時長約兩分鐘,並可即時生成音訊及可探索的互動場景。Gemini 負責觀察場景、拆解任務和規劃行動,Genie 4 則即時生成虛擬環境;用戶可在運行期間透過提示詞改變場景。Genie 4 現向部分受邀測試者提供研究預覽,模擬時長、場景一致性及音訊準確性仍有限制。

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

    音樂音訊生成模型教程

    這篇專著梳理音樂音訊生成的神經網絡方法,涵蓋神經音訊編解碼器、自回歸與擴散模型、流匹配及偏好最佳化。內容亦探討器樂、歌曲、音訊編輯與即時伴奏的模型設計、評估方法,以及數據來源、模型記憶、著作權歸屬和法律爭議。

  5. HuggingFace Daily Papers(社區熱門論文)47

    IntReal:面向多模態交錯生成的真實世界數據集與評測基準

    IntReal 提出面向真實世界多模態交錯生成的數據集與評測框架,用於診斷統一多模態模型的能力並改善生成效果。框架包括涵蓋四大類別的 IntReal-100K,以及按七個維度評估模型的 IntReal Evaluation Suite;評測與人類判斷的一致準確率為 83.3%。實驗顯示,使用 IntReal-100K 訓練可改善交錯生成,單模態生成訓練亦可帶來效益。

  6. HuggingFace Daily Papers(社區熱門論文)41

    A-RSI:以自適應任務刷新實現零數據多模態自我改進

    A-RSI 按學習訊號下降情況刷新訓練任務,提升零數據多模態遞迴自我改進的基準表現,無需外部標籤。在主要的 11 項基準測試中,使用 800 個新任務後,平均表現由 57.77 升至 61.05。新任務由模型撰寫的程式生成多模態問題,並產生可獨立核驗的答案。

  7. HuggingFace Daily Papers(社區熱門論文)40

    AskStream:串流影片理解中何時提問、提問甚麼

    AskStream 是一個研究串流影片理解中何時及應提問甚麼的多輪基準測試,涵蓋影片及用戶的不確定性。基準包含 438 段影片、2,714 個人工標註的影格級時間窗口,分為等待、提問及回答三類,設有四個任務類別和八個子任務。即使最強模型在 Ask-F1 指標上的得分也只有 52.18%,顯示模型在不確定情況下主動尋找資訊仍有侷限。

  8. DEV Community21

    AMBIT 如何將音效設計轉化為程式碼,並縮短 70% VR 製作時間

    AMBIT 透過可執行的 ScenePlans 將空間音效設計轉化為程式化編輯,令 VR 製作迭代時間縮短約 70%。創作者可用 JSON 描述音效變更,系統在單張 A100 GPU 上平均約 28 ms 生成更新後的 FOA 混音。其自蒸餾流程以 500 k 分鐘標註音訊達到 SI-SNR = 22.1 dB,並減少約 95% 標註數據需求;Beta API 已上線。

  9. Hugging Face Blog66

    用 LFM3 構建專用多模態模型

    Liquid AI 發佈 LFM3 新一代模型系列,以共享骨幹涵蓋文字、視覺、音訊、全模態及決策模型。LFM3-1.7B 以少 35% 參數超越 LFM2.5-2.6B;文字模型的上下文窗口為 256K,所有模型均可在單張 GPU 微調。LFM3 全系列採開放權重,現已在 Hugging Face 提供。

    推薦理由:LFM3 將文字、視覺、音訊與決策模型建基於同一骨幹,並支援單張 GPU 微調及端側部署,呈現小型模型按任務專門化的實作路徑。

  10. Ars Technica · AI39

    DeepMind 公佈 Genie 4 世界模型,主打更真實的物理效果與人類

    Google DeepMind 公佈 Genie 4 世界模型,稱新模型幾乎各方面都較 Genie 3 有所改進,並能呈現更真實的物理效果與人類。模型會按提示詞即時逐格生成虛擬世界,供用戶探索,無須預先渲染環境或編寫互動元素。DeepMind 表示,這項技術可建立機械人訓練環境,亦可用於創意領域的快速原型製作。

  11. AWS Machine Learning Blog67

    Property Finder 如何修正 Amazon Bedrock 評測偏差並降低模型成本

    Property Finder 評估將視覺 AI 工作負載遷移至 Amazon Bedrock 時,發現 96.8% 的評測標籤直接沿用單一模型預測,因而重新建立專家標註的評測集。

    推薦理由:文章以房地產影像分類案例,説明專家標註、多標籤設計和逐輪提示詞優化如何減少評測偏差,並讓不同模型的比較更貼近實際正確性。

  12. The Verge · AI55

    Google 發佈 Genie 4 世界模型,生成更逼真的互動體驗

    Google 發佈 Genie 4 世界模型,用於生成更逼真的互動體驗,並加入即時提示詞修改及音訊生成等更新。它可生成約兩分鐘的體驗,較 Genie 3 的一分鐘為長,並使用 Gemini 3.8 Flash 協助模擬。Google 已開放等候名單,用戶可申請在 Project Genie 試用;Genie 4 將很快提供予 Google AI Ultra 訂閲用戶。

  13. Hacker News 熱門(buzzing.cc 中文翻譯)72

    Genie 4 向受信任測試者推出研究預覽,主打即時互動世界模擬

    Genie 4 已向受信任測試者推出研究預覽,支援即時互動世界模擬,並可原生生成音訊及互動對話。Gemini 3.8 Flash 在模擬中持續觀察場景、拆解目標並追蹤步驟進度,協助模擬複雜的多步事件。預覽將很快擴展至 Project Genie 的 Google AI Ultra 訂戶,以及 Gemini API 和 Google AI Studio 的早期存取合作夥伴。

10月27日週二
  1. 新浪科技67

    Google Playground 一句話生成遊戲,或衝擊獨立遊戲

    Google 與 Unity 合作推出實驗性 AI 遊戲平台 Playground,用戶以自然語言描述即可生成可在瀏覽器運行的 2D 或 3D 遊戲。它整合 Gemini、Nano Banana 和 Lyria,生成的遊戲可在手機及電腦瀏覽器運行,無需安裝客戶端或配置開發環境。文章認為,Playground 降低跟風製作門檻後,可能令相似作品更快上架,分流獨立遊戲的曝光。

  2. 新浪科技64

    多款 Android 旗艦為何選用 Snapdragon 8 Elite Extreme Gen 6

    2026 年多款 Android 旗艦選用 Snapdragon 8 Elite Extreme Gen 6,文章將共同選擇歸因於平台能力與生態成熟度。文章介紹其 FlexCache、GPU 內的 ANF、第二代 AI-ISP 及全 IP AI 架構,涵蓋快取管理、遊戲圖像處理、影像運算及智能體 AI。手機廠商則在共同平台之上,透過自研晶片發展影像、調度及場景體驗方面的差異。

  3. 新浪科技53

    AIGC 廣告亂象頻出,平台加強 AI 治理

    面對 AIGC 廣告增加及違規內容更難識別,平台正引入 AI 治理,巨量引擎採用多模態大模型與主 Agent、子 Agent 協同模式。CTR 數據顯示,86% 的廣告買方已全部或部分使用 AI 製作素材,40% 的創意由 AIGC 構成。巨量引擎亦提供拒絕理由精細解讀和廣告素材一鍵修復,但廣告主仍反映平台規則差異及申訴不確定性帶來成本。

  4. 雷鋒網49

    GLM-5.5 要來了?唐傑最新論文曝光智譜神秘模型

    清華大學與智譜 AI 聯合研究提出 GLM-Omni,測試顯示其圖像生成正確率為 54.00%,純文字回答正確率僅 14.57%,反映視覺知識未必能轉化為語言答案。圖文交錯對齊令 GLM-Omni 的平均文字正確率升至 26.86%,使用 Visual CoT 後則升至 41.14%。論文未披露 GLM-Omni 與 GLM-5.5 的版本對應關係。

  5. DoNews60

    Rokid Glasses 2 正式發佈,國補後 3199 元起

    樂奇Rokid正式發佈新一代帶顯示功能的AI眼鏡Rokid Glasses 2,黑色經典款國補後3199元起,玳瑁色國補後3349元。Rokid Glasses 2電池容量提升至263mAh,新增拍前預覽,支援4K 30fps及2K 60fps影片拍攝。AI功能涵蓋會議紀要、89種語言AI通話翻譯,以及即時和全天回溯,並提供聽障與視障輔助場景。

  6. 新浪科技36

    「什麼值得買」興趣消費服務接入 Rokid AI 眼鏡,開啟「看見即搜尋」體驗

    「什麼值得買」將興趣消費服務拓展至新一代 Rokid AI 眼鏡,透過消費智能體「張大媽」識別眼前商品並提供消費資訊。用戶可查閲商品名稱、價格參考、真實用戶口碑及推薦購買指數,並在「什麼值得買」App 查看詳情、評價和購買渠道;服務依託10億級商品庫及200億級內容庫。