其实大模型在DeepSeek-V3时期就已经「顿悟」了？

虽然大多数强化学习（RL）方法都在使用浅层多层感知器（MLP），但普林斯顿大学和华沙理工的新研究表明，将对比 RL（CRL）扩展到 1000 层可以显著提高性能，在各种机器人任务中，性能可以提高最多 50 倍。

在虚拟现实、游戏以及 3D 内容创作领域，从单张图像重建高保真且可动画的全身 3D 人体一直是一个极具挑战性的问题：人体多样性、姿势复杂性、数据稀缺性等等。

自然界生物通过数百万年的进化，获得了适应环境的完美身体结构与环境交互能力。

抓住「通用计算创新、大模型创新、AI 应用创新」三大浪潮。

大模型时代，业界和学术界都涌现出了许多创新成果。

偶然发现了一个很有趣的 AI 基准测试，点开链接，竟然是一个 MineCraft 作品投票页面？

IEEE国际计算机视觉与模式识别会议（ Conference on Computer Vision and Pattern Recognition）CVPR 2025公布论文录用结果，社交平台Soul App技术论文《Teller: Real-Time Streaming Audio-Driven Portrait Animation with Autoregressive Motion Generation》（《基于自回归动作生成的实时流式音频驱动人像动画系统》）被接收。

实在 Agent：让每个企业拥有 “数字大脑”，AI 执行进入全自主时代。

天猫推出AI设计工具 商家可一键生成媲美实拍场景图。

在这里，埃默里大学（Emory University）的研究人员探索了现有方法在预测数千种此类蛋白质的分子功能方面的潜力和局限性。

近期，来自埃默里大学、南加州大学等机构的联合研究团队基于 DeepSeek 强化学习提出了一套医疗 VLM 策略，称之为 “Med-R1”，通过鼓励模型在 “推理过程” 上不断探索，大大提升了跨模态、跨任务的泛化能力。