b12

spatiallm：赋能机器人和智能系统空间认知能力的开源多模态模型 SpatialLM是群核科技开源的一款空间理解多模态模型，它能够赋予机器人和智能系统类似人类的空间认知能力。只需普通手机拍摄的视频，SpatialLM就能重建出详细的3D场景布局，精确标注房间结构、家具摆放、通道宽度等关键信息。该…

EmbodiedGen简介 embodiedgen 是面向具身智能（embodied ai）应用的生成式 3d 环境引擎与开发工具集。它能够高效创建高质量、低成本并具备合理物理特性的三维资产和交互空间，助力研究人员与开发者搭建用于测试具身智能体的虚拟环境。该系统整合了多个功能模块，包括从图像或文本生…

本项目将介绍如何基于PaddleNLP对ERNIE 3.0预训练模型微调完成法律文本多标签分类预测。本项目主要包括“什么是多标签文本分类预测”、“ERNIE 3.0模型”、“如何使用ERNIE 3.0中文预训练模型进行法律文本多标签分类预测”等三个部分。 ☞☞☞AI 智能聊天, 问答助手, AI 智…

vid2world 是由清华大学携手重庆大学共同研发的一项创新框架，其核心在于能够将全序列、非因果的被动视频扩散模型（vdm）转化为自回归、交互式且动作条件化的世界模型。该模型依托视频扩散因果化以及因果动作引导两大关键技术，有效弥补了传统vdm在因果生成及动作条件化上的缺陷。在机器人操控和游戏仿真等…

使用豆包ai生成http客户端代码的关键在于提供清晰具体的指令。1. 明确请求方式和目标url，例如指定get或post请求及对应地址；2. 提供查询参数、请求头及认证信息，如token或headers；3. 指定编程语言及框架，如python的requests、node.js的axios等；4. …

年末将至，全球ai大模型竞争骤然白热化。本周，kimi模型开启强化学习新范式，deepseek r1以开源姿态“接棒”openai，谷歌则将gemini 2.0 flash thinking的上下文长度扩展至百万级。种种迹象表明，各大玩家正试图在近期决出胜负。 1月24日，百川智能重磅发布国内首个全…

aixiv专栏持续报道全球顶尖ai研究成果，已收录2000余篇来自高校和企业实验室的学术技术文章，助力学术交流与传播。欢迎投稿或联系报道，邮箱：liyazhou@jiqizhixin.com；zhaoyunfeng@jiqizhixin.com ☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, …