由于OpenAI未公布GPT-4o图像生成的技术细节，此前确实有人依据这个生成过程动画，猜测底层架构可能是多尺度自回归的组合。 GPT-4o玩家太疯狂，奥特曼紧急呼吁别再生成图片了：OpenAI团队为此一直在熬夜。 图片 ...

就在刚刚，港中文的一位博士生Jie Liu破解了GPT-4o不一般的前端生图秘密：实际上，它很大可能是原生自回归（AR）生成的，甚至我们可以手动改图。 无独有偶，CMU博士Sangyun Lee也推测出，GPT-4o的图像生成原理，应该大致如下： ...

AI频频刷新基准测试纪录，却算不清「strawberry」里到底有几个字母r，在人类看来很简单的问题却频频出错。这种反差促使创意测评兴起，例如由一名高中生开发的MC-Bench，用Minecraft方块「竞技场」模式评价AI能力。这种新的测评范式，或 ...

AI圈最热的风头莫过于GPT-4o的原生图像，但别急着下定论。Gemini 2.5 Pro正在悄悄反击，在Chatbot竞技场夺冠、IQ测试拿下第一后，它还能解魔方、建模型、创游戏，甚至一键生成3D打印文件！AI的下一个战场，正在从文字转向视觉与空间 ...

来自OPPO研究院和港科广的科研人员提出了一项新技术——OThink-MR1，将强化学习扩展到多模态语言模型，帮助其更好地应对各种复杂任务和新场景。

最近几天，OpenAI 革新的 GPT-4o 图像功能给大家带来了不少乐趣，各路社交媒体都被「吉卜力」风格的图像、视频刷了屏。机器之心还尝试了制作了《甄嬛传》的名场面（视频如下，制作方法参见《GPT-4o 整活！3 个小时、6 ...

为了更好地评估自动驾驶系统在安全关键场景中的表现，我们提出了navsafe数据集，专门用于测试端到端驾驶方法的安全性和鲁棒性。它基于navtest，并结合了真实的事故数据，通过细粒度的评分机制，量化了自动驾驶模型的不同驾驶能力，而不像navtest ...

很多网友猜想 GPT-4o 的图像生成采用了「自回归 + 扩散」的范式。比如 CMU 博士生 Sangyun Lee 在该功能发布后不久就发推猜想 GPT-4o 会先生成视觉 token，再由扩散模型将其解码到像素空间。而且他认为，GPT-4o ...

AI发展越来越快，从最初的简单对话，到后来图片识别、艺术创作，到现在的深度推理，短短两三年，人们对AI的应用愈发全面和得心应手。但，驾驶中的汽车，车速越快，人对方向盘掌控力越弱。

这些新内幕来自《华尔街日报》记者Keach Hagey的新书《The Optimist: Sam Altman, OpenAI, and the Race to Invent the Future》。

科学家正在逃离美国！欧洲、加拿大甚至墨西哥都成了美国科学家的备选地点。美国的人才吸引力断崖式下降。更令人吃惊的是，一位已经在哈佛大学找到工作的科学家，都被中途遣返出境了！ 特朗普狂砍学术界经费，恶果来了！

幻觉（Hallucination），即生成事实错误或不一致的信息，已成为视觉-语言模型 (VLMs）可靠性面临的核心挑战。随着VLMs在自动驾驶、医疗诊断等关键领域的广泛应用，幻觉问题因其潜在的重大后果而备受关注。