加州理工联合斯坦福推出HomeBody，让GPT Astra操控人形机器人
加州理工学院联合斯坦福大学推出HomeBody系统，为GPT Astra配备持久空间记忆与复合人形动作能力，使其能引导Unitree G1完成厨房清洁、取药、丢垃圾等长程任务。该系统用即插即用VLM替代传统VLA中间层，通过Real2Sim在Isaac Sim中构建数字孪生并建立可扩展技能库，无需针对特定环境训练或编写动作脚本。技能可在RTX 4090笔记本
多模态
技术方向 · 文本之外的能力：视觉理解、图文混合、音视频输入输出的模型与产品 · 共 1342 条
只展示置信度达到公开门槛且每篇排名前三的主题标签，降低泛化误贴。
9月29日周二 · 4 条
正文结构化主题已通过公开置信门槛
正文结构化主题已通过公开置信门槛
Vercel AI SDK 发布 ai@7.0.119 补丁
Vercel AI SDK 发布 ai@7.0.119 补丁版本，修复了客户端断开时未取消响应流、非 Node 运行时流完成拒绝未处理、静态工具输入错误存储位置等问题。新功能方面，provider 层开始声明图像模型的文件与掩码输入支持，涵盖 Together AI FLUX.2 Pro/Flex 单图编辑及 QuiverAI Arrow 2 系列文件输入，
正文结构化主题已通过公开置信门槛
在 SageMaker AI 上用 vLLM-Omni 构建实时语音应用（上）
AWS 发布教程，介绍如何在 Amazon SageMaker AI 上使用 vLLM-Omni 深度学习容器部署 Qwen3-TTS 文本转语音模型，实现边生成边播放的流式语音输出。方案通过 SageMaker 双向流式 WebSocket 在单一持久连接上传输文本与音频，并配合 Gradio 应用演示。这是关于专用 DLC 系列文章的第一部分，后续将覆盖
正文结构化主题已通过公开置信门槛
在 SageMaker AI 上用 vLLM-Omni 生成图像与视频（第二部分）
AWS 机器学习博客发布教程第二部分，介绍如何在 Amazon SageMaker AI 上使用 AWS vLLM-Omni 深度学习容器，从同一容器镜像部署两个端点：一个实时端点运行 FLUX.2-klein-4B 生成图像，一个异步端点运行 Wan2.1-VACE-1.3B 生成视频。工作流将文本提示生成静态图像，再把图像和运动提示传给视频端点，最终从
9月28日周一 · 6 条
正文结构化主题已通过公开置信门槛
使用 Amazon Nova Act 实现合成监控
AWS 博客介绍了一种基于 Amazon Nova Act 和 Amazon Bedrock AgentCore 的合成监控方案，用多模态大模型处理 UI 截图而非 DOM 选择器来执行用户旅程验证。该方案结合 EventBridge Scheduler、AgentCore Runtime 和 Browser 工具实现无服务器调度与隔离浏览器执行，失败时通过
正文结构化主题已通过公开置信门槛
llama.cpp b11227：修复 causal attn 切换导致的调度器重复预留
llama.cpp 发布 b11227 版本，核心改动是修复 llama context::set causal attn() 在切换 causal attn 标志时每次都触发调度器完整重新预留（sched reserve）的问题。由于 Gemma 模型处理视觉输入时每个非因果图像块会两次翻转该标志，导致每张图片产生两次昂贵的重新预留，多图或视频输入尤为缓慢
正文结构化主题已通过公开置信门槛
什么能提升多模态虚假信息检测？大规模实证研究给出答案
该论文对多模态虚假信息检测的设计选择进行了大规模实证研究，在三个基准数据集上开展了3375次实验，涵盖675次域内评估、1350次模态消融和1350次跨数据集迁移。研究系统比较了视觉编码器、文本编码器、融合策略和分类器等组件的影响，并回答了四个关键研究问题。结论为设计更可靠的多模态虚假信息检测系统提供了可复现的实践指导。
正文结构化主题已通过公开置信门槛
虚假评论检测综述：从预训练语言模型到大语言模型
该综述从信息融合视角系统回顾了2018年至2026年初的211项虚假评论检测研究，覆盖文本、情感、评分行为、时序元数据、用户-商品图、多模态内容、外部知识及LLM生成信号等证据来源。文章梳理了从传统机器学习、深度学习到PLM和LLM方法的演进，并分析了Amazon、Yelp、OpSpam等基准上的性能趋势及标签构建、数据划分和评估协议差异带来的局限。作者指出
正文结构化主题已通过公开置信门槛
最近但非最爱：面向纯内容搜索与推荐的共享策展反馈基础设施
Feed.fm 的 B2B 音乐发现平台在无听众行为信号的内容检索场景下，发现余弦最近邻有 38% 被策展人拒绝。作者将拒绝原因分为声音失败（55%，风格/节奏/情绪不匹配）和语境失败（37%，语言/节日/版权等），并分别路由到候选生成层的约束过滤器和表示层的嵌入重加权头。在 1200 条策展判断上，该干预将拒绝率从 38.17% 降至 28.83%（相对下
正文结构化主题已通过公开置信门槛
ProCAP：面向视觉-语言模型的概率交叉注意力提示学习
该论文提出 ProCAP，一种用于视觉-语言模型（如 CLIP）的概率化交叉注意力提示学习框架。它学习视觉与文本提示 token，并通过堆叠的双向多头交叉注意力让两个分支相互精炼，同时用高斯均值与方差参数化提示 token 并加入 KL 正则，以缓解少样本下的过拟合。在 11 个数据集的少样本 base-to-novel 泛化、跨数据集迁移和 ImageNe
9月27日周日 · 5 条
正文结构化主题已通过公开置信门槛
Ornith-1.5-35B-A3B 的 ROCmFP4 量化版发布
用户 julianmb 在 Hugging Face 发布了 Ornith-1.5-35B-A3B 模型的 ROCmFP4 量化版本，面向 AMD Strix Halo（gfx1151）与 RDNA 3.5 GPU。该量化版文件 17.74 GiB，在 Ryzen AI Max+ 395 上配合 MTP 推测解码可达约 101 tok/s，比 Q4 K M
正文结构化主题已通过公开置信门槛
研究者将 GPT-6 Astra 接入机器人清理陌生厨房
斯坦福和加州理工的研究人员构建了 HomeBody 系统，让 Unitree G1 机器人能够自主导航陌生厨房、整理物品并从抽屉取物。该系统去掉了语言模型与机器人之间通常的训练控制层，由可替换的视觉语言模型 GPT-6 Astra 直接调用可扩展技能库，机器人先探索房间、在 Nvidia Isaac Sim 中构建数字孪生并记录空间记忆。局限包括 Astra
正文结构化主题已通过公开置信门槛
ggml-org 发布 Qwen3.8-27B GGUF 量化模型
ggml-org 在 Hugging Face 上发布了 Qwen3.8-27B 的 GGUF 量化版本，基于 Qwen/Qwen3.8-27B 与 incoai/Qwen3.8-27B-DFlash2 转换而来，采用 apache-2.0 许可，支持 image-text-to-text 任务，可通过 llama.app 的 llama serve 命令直
正文结构化主题已通过公开置信门槛
中科通量SmarCo系列产品亮相全球数字贸易博览会
中科通量在9月23日至27日于杭州举行的第五届全球数字贸易博览会上展出SmarCo系列全线产品，涵盖AI工作站、AI数字员工、智能视频编码一体机、智能视频存算一体机、智能视频研判一体机及信创智能企业级NAS存储一体机。其中SmarCo AI工作站基于国产RISC-V架构的SmarCo GC3 AI芯片，提供至高200TOPS算力与128GB统一内存，可支持7
正文结构化主题已通过公开置信门槛
Occamy-1.0 APEX-I-MiniPlus V2 GGUF 量化模型发布
IsValorum 在 Hugging Face 发布 Occamy-1.0-APEX-I-MiniPlus-V2-GGUF 量化模型，基于 Accio-Lab/occamy-1.0，采用逐张量定制量化方案，保留 F32 路由门、Q6 K 输出头和 Q8 0 注意力门。该版本面向系统内存（DDR4/DDR5）推理优化，支持最高 256K 上下文，并附带 Q8
9月26日周六 · 5 条
正文结构化主题已通过公开置信门槛
我创建了自己的交互式数字分身，你可以和它对话
TechCrunch记者在数字人公司Synthesia纽约新办公室体验了为其定制的AI数字分身，包括可朗读脚本的个人分身和仅围绕其风险投资欺诈报道训练的交互式分身。Synthesia估值达40亿美元、年经常性收入超1亿美元，其技术栈整合语音转文字、语言、文字转语音及自研视频模型，并推出Sessions等企业交互产品。记者借此探讨数字分身对新闻业信任基础及未来
正文结构化主题已通过公开置信门槛
索辰科技与美梦空间发布具身模型及物理测评标准
索辰科技与战略投资企业美梦空间在第五届全球数字贸易博览会上联合发布Physical-WAM物理-世界动作模型和RoboTwin-Phys物理漂移评测基准。Physical-WAM通过PhysLens、PhysDream、PhysAct三个模块插入物理Token表征，让机器人具备摩擦、重量、重心等物理感知与预判能力；RoboTwin-Phys新增13类物理扰动
正文结构化主题已通过公开置信门槛
GPT-6 Astra 在宜家家具组装错误识别基准上达 80%
Epoch AI 推出家具组装基准 FAB，用三张宜家家具组装照片（含故意错误）测试模型识别装配错误的能力。2025 年 11 月最佳模型 Claude Opus 4.5 得分 28%，十个月后 OpenAI 的 GPT-6 Astra 达到 80%（每张照片耗时三分钟），Claude Fable 5.1 为 70%，Claude Opus 5 为 61%，
正文结构化主题已通过公开置信门槛
Qwen3.6-35B无审查Genesis版GGUF发布
Hugging Face 用户 LuffyTheFox 发布了 Qwen3.6-35B-A3B-Uncensored-Genesis-Final-GGUF 模型，基于 HauhauCS 的无审查版本进行后训练数据再生与校准。作者提出名为 Genesis 的算法，利用 Marchenko–Pastur 分布和自定义 SVD 修复 GGUF 模型张量中的训练噪声
正文结构化主题已通过公开置信门槛
米哈游千亿AI野心：从AI帕姆到自进化Agent
米哈游在云栖大会上由《崩坏》系列AI NPC与Gameplay负责人郑银河分享了其AI游戏布局：AI帕姆接入对话能力后一周对话超6000万次，采用策略增强RAG、情绪标签与三层记忆实现「活人感」；内部EchoX平台托管代码Agent与MCP工具用于研发提效，并探索AI Gameplay与自进化Agent。米哈游联合创始人大伟哥称未来三年AI投入最多达1000