Google AI Blog发布于 07/15 00:00
Celebrating 25 years of visual search innovation
（翻译）庆祝视觉搜索创新25周年
Google Images is turning 25. Here’s a look back at some major milestones — and new ways to explore and create visual content.
雷峰网发布于 08/31 20:49
对话纬钛机器人CEO李瑞：具身智能仅靠视觉容易到天花板，触觉是未来必选项
作者丨 向 欣 编辑丨 高景辉 &nbs
雷峰网发布于 09/01 10:56
李飞飞、吴佳俊再联手，打破世界模型和机器人动作的「巴别塔」
作者丨 幸丽娟 编辑丨岑 峰  
arXiv cs.AI发布于 09/02 12:00
SCAFFOLD: A Large-Scale Structured Dataset of Computer Science Research Figures with Diagram QA and Chain-of-Thought Reasoning Traces
（翻译）SCAFFOLD：面向计算机科学研究图表的大规模结构化数据集，包含图表问答与思维链推理轨迹
Abstract page for arXiv paper 2609.00018: SCAFFOLD: A Large-Scale Structured Dataset of Computer Science Research Figures with Diagram QA and Chain-of-Thought Reasoning Traces
雷峰网发布于 09/01 18:38
DeepSeek V4 多模态开源，我们把它的视觉链路拆了一遍
作者丨 郑 佳 美 编辑丨 岑 峰 &n
人人都是产品经理发布于 09/15 09:46
GPT Image 2.5 对比实测：变化与局限
GPT Image 2.5 在复杂中文图文任务中表现如何？本文通过十一类任务、72张输出，对比两代模型在海报、安装说明、经营简报等场景下的能力。结果显示，2.5 在商品信息对应和数字复现上有所提升，但在工具接触点、零件数量和图表比例上仍会出现错误，书法风格差异明显。
人人都是产品经理发布于 09/20 10:31
AI都能直接转绘了，用 Skill 会更好看吗？我用GPT和国产模型实测了一下
我拍了很多照片，但回头翻相册总觉得差点意思。刷 X 看到有人分享的风格 Skill，普通照片放进去就变成水彩和手账。于是试了两种做法：一种拿参考图做风格迁移，一种装上 Skill 再调用，分别在 GPT、豆包、千问和 WorkBuddy 里各跑一遍。
arXiv cs.AI发布于 09/24 12:00
Same evidence, different judgments: Evidence noncommutative in vision/speech-text conflicts
（翻译）相同证据，不同判断：视觉/语音-文本冲突中的证据非交换性
Abstract page for arXiv paper 2609.26986: Same evidence, different judgments: Evidence noncommutative in vision/speech-text conflicts
arXiv cs.AI发布于 09/25 12:00
Training Object Permanence in World Models
（翻译）在世界模型中训练客体永久性
Abstract page for arXiv paper 2609.28654: Training Object Permanence in World Models
雷峰网发布于 09/30 15:57
在三张圆明园鼠首照片里，我们看到了3D AI的Harness时刻
作者丨 吴海明 编辑丨李娜 岑峰 &nb
arXiv cs.AI发布于 10/05 12:00
World Action Modeling with Progressive Visual Planning
（翻译）使用渐进式视觉规划的世界动作建模
Abstract page for arXiv paper 2610.02508: World Action Modeling with Progressive Visual Planning
爱范儿 / APPSO发布于 10/07 15:44
DLSS 5 正式版体验：十年没进步的游戏画面，英伟达怎么让它以假乱真？
#欢迎关注爱范儿官方微信公众号：爱范儿（微信号：ifanr），更多精彩内容第一时间为您奉上。
arXiv cs.AI发布于 10/09 12:00
Speaking the Navigator's Language: Trajectory-Grounded Instruction Translation for Frozen Aerial VLN Agents
（翻译）说导航器的语言：面向冻结空中 VLN 智能体的轨迹驱动指令翻译
Abstract page for arXiv paper 2610.10635: Speaking the Navigator's Language: Trajectory-Grounded Instruction Translation for Frozen Aerial VLN Agents