跳到正文
11月18日週三
  1. HuggingFace Daily Papers(社區熱門論文)51

    WM^MLLM 將多模態大型語言模型轉化為世界模型

    論文提出 WM^MLLM,利用多模態大型語言模型(MLLMs)維護外部全景狀態及修訂歷史,從單張圖像生成可持續編輯、可精確重訪的世界。模型把每項請求轉為全景狀態操作,選擇局部編輯區域並檢查候選結果;同一修訂版本的重訪可重現原視角,通過檢查的局部編輯不改動區域外像素。

  2. IT之家42

    寒武紀 Day 0 完成商湯 SenseNova Loop-9B 適配,打通新型循環計算架構推理鏈路

    寒武紀完成商湯 SenseNova Loop-9B 的 Day 0 適配,打通模型在 MLU 平台上的推理鏈路。適配以靜態展開方式將循環計算轉為 56 個順序執行的層,並沿用 vLLM 標準調度和 KV cache 機制。模型約有 9B 參數,32 個物理解碼層可擴展為 56 次層計算;官方 4bit 量化後權重約 4.9GB,部署顯存需求低至 10 GB 內。

11月17日週二
  1. 404 Media44

    《Musk》中的 AI 令人尷尬

    紀錄片《Musk》以 Elon Musk 的 AI 虛擬形象和電子遊戲式片段呈現其生平,但這些設計令人出戲,削弱影片訊息。評論指出,片中引用的言論若放回原本訪問情境,更能呈現內容;片長達四小時,片末另提及製作方對虛擬形象所用技術的説法。

  2. 第一財經46

    商湯科技發佈 SenseNova Loop-9B

    商湯科技發佈 SenseNova Loop-9B,模型總參數量約為 9B,並通過兩次執行共享的中間層,將 32 個物理解碼層擴展為 56 次層計算。模型支持輸入文本和圖像、輸出文本,上下文長度最高可達 512K tokens。

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

    LynnReal-Hand:以手部控制實現世界互動

    LynnReal-Hand 是一款手部控制影片世界模型,結合精細互動建模與串流生成,讓用戶以手部動作探索及操控物件。模型在 HandBench 上取得 FVD 181.67 及 MANO Dice 93.02,三步因果模型的 MANO Dice 為 92.49;單張 H200 以 540p 串流可達 18.03 FPS,延遲為 741ms。研究團隊計劃公開數據集、模型權重及完整訓練與推理程式碼。

  4. DEV Community66

    Claude Code 如何自動化 YouTube 影片製作:作者的實際流程、Google 對 AI 內容的説法與五個限制

    作者分享以 Claude Code 為 3 個 YouTube 頻道每日製作影片的實際工作流程,並説明一人如何管理整個流程。每天製作的 12 條影片會發布至 8 個平台,合共 96 次上載;作者會審批腳本、檢查成片,並指出增加產量沒有帶來觀眾增長。文中引用 Google Search 的政策,指出以操縱排名為目的的大量內容屬垃圾內容,而適當使用 AI 不違反其指引;作者認為選題判斷仍由人負責。

  5. UNWIRE.PRO · 人工智能66

    阿里雲香港峯會展示 Qwen4-Max,香港客戶數突破 65,000

    阿里雲在年度香港峯會宣佈 Qwen4-Max 上線,並推出多項面向企業的 AI 智能體開發、監控及安全防護能力。Qwen4-Max 總參數為 2.4 萬億,每個 token 激活 710 億參數;阿里雲稱 token 消耗減少 35%,平均每項任務成本降低約 60%。阿里雲在香港服務超過 65,000 名客戶,並宣佈與香港浸會大學及美亞娛樂合作,涵蓋 AI 培訓及影視內容創作。

  6. MarkTechPost55

    Liquid AI 發佈 d1.2 和 d1.2-ultra,後者在 AA Decision Index v2.1 得分 75

    Liquid AI 發佈 d1.2 和 d1.2-ultra 兩款決策模型,支援文字、圖像及音訊輸入,並以固定答案選項的機率作答。d1.2-ultra 在 AA Decision Index v2.1 得分 75,d1.2 得分 69;前者在該指數的決策模型中排名最高。兩款模型新增 5 種答案類型,並且不產生輸出 token;目前只透過 Liquid API 提供,尚未公開權重。

  7. 新浪科技59

    米哈遊公佈通用視覺語言動作基礎模型 Gamer,可自主遊玩《崩壞:星穹鐵道》等遊戲

    米哈遊旗下《崩壞》系列 AI 研發團隊公佈通用視覺語言動作基礎模型 Gamer,稱其可模擬真人鍵鼠操作,自主遊玩 2D 和 3D 遊戲。模型以每秒 5 幀(5 Hz)遊戲畫面為輸入,生成相當於 30 Hz 的鍵盤按鍵狀態及滑鼠移動指令;Gamer-RL 在 40 項此前未接觸過的小遊戲任務中,平均成功率為 49.7%。

  8. IT之家64

    米哈遊公佈 Gamer 通用視覺語言動作基礎模型,可自主遊玩《崩壞:星穹鐵道》等遊戲

    米哈遊旗下《崩壞》系列 AI 研發團隊公佈通用視覺語言動作基礎模型 Gamer,可透過畫面輸入自主遊玩 2D 和 3D 遊戲。模型不讀取遊戲內部資料或使用遊戲專用 API,而以每秒 5 幀(5 Hz)畫面輸入生成相當於 30 Hz 的鍵盤按鍵狀態及滑鼠移動指令;Streaming-vLLM 在 NVIDIA H200 上將端到端請求延遲由 1306 毫秒降至 65.12 毫秒。

  9. DoNews50

    米哈遊發佈通用遊戲 AI 模型 Gamer

    米哈遊旗下《崩壞》系列 AI 研發團隊公佈通用視覺語言動作基礎模型 Gamer,可自主遊玩 2D/3D 遊戲。模型以每秒 5 幀畫面輸入,實時生成 30Hz 鍵鼠操作指令;Gamer-RL 在 40 款未見過的小遊戲任務中平均成功率為 49.7%。項目定位學術研究,遊戲數據及微調權重未公開,且明確禁止用於外掛或破壞公平性的行為。

  10. 新浪科技38

    郭德綱回應認親爭議:將追究自媒體 AI 造假、惡意剪輯及斷章取義責任

    郭德綱委託律師發布聲明,回應與馬志明的民間認親爭議,並表示將依法追究以 AI 偽造音影片、惡意剪輯及斷章取義製作虛假資訊者的責任。聲明指出,曲藝師承與民間認親屬於不同範疇,不應混為一談。代理團隊已完成相關侵權內容的取證,後續將透過多種法律途徑追責。

  11. The Elec82

    AMD 完成收購 World Labs,任命 Fei-Fei Li 為首席科學家

    AMD 完成收購 AI 模型開發商 World Labs,並任命 World Labs 前行政總裁、史丹福大學教授 Fei-Fei Li 為執行副總裁兼首席科學家,由她直接向 CEO Lisa Su 匯報。

    推薦理由:收購把 World Labs 的基礎模型研究納入 AMD,Fei-Fei Li 出任執行副總裁兼首席科學家,相關技術將用於 AMD 下一代開放式 AI 計算基建。

  12. IT之家46

    影目推出 INMO Future 智能眼鏡:重 125g、配備 120Hz Micro OLED 面板,首發價 5999 元

    影目推出 INMO Future 智能眼鏡,採用光波導技術,重約 125g,首發價 5999 元,部分地區國補後低至 5499 元。眼鏡配備單眼 1080P、120Hz Micro OLED 面板及 16MP 攝像頭,支援 3DoF 與 6DoF 空間計算。它結合 AI 大模型提供自然語言語音互動和視覺物體識別,並可搭配 INMO Controller 實現「3DoF 射線交互」。

  13. 第一財經84

    AMD完成收購李飛飛創辦的 World Labs,交易對價約82億美元

    AMD於2026年11月16日宣佈完成對 World Labs 的收購,交易總對價約82億美元,交割於11月13日完成。交易以 AMD 普通股支付,交割時向 World Labs 原股東定向發行14978322股;聯合創始人李飛飛將加入 AMD,出任執行副總裁兼首席科學家。

    推薦理由:報道列出約82億美元的全股票對價、14978322股發行數及李飛飛的職務安排,呈現收購的交易規模與人才整合方式。

  14. 新浪科技85

    AMD完成收購World Labs,李飛飛出任執行副總裁兼首席科學家

    AMD於當地時間11月16日宣佈完成對World Labs的收購,李飛飛出任執行副總裁兼首席科學家,直接向蘇姿豐匯報。這宗全股票交易對價約82億美元,World Labs另外兩位聯合創辦人Justin Johnson和Ben Mildenhall將留任,團隊會以獨立前沿研究組織形式繼續研發基礎模型,並與AMD工程師協作。

    推薦理由:World Labs團隊在AMD內將以獨立前沿研究組織延續基礎模型研發,並與硬件、軟件及系統工程師協作,呈現收購後的整合安排。