引用網(wǎng)站的內(nèi)容如何做注釋,深圳創(chuàng)意網(wǎng)站設(shè)計,怎么更改網(wǎng)站的備案號,免費的app軟件下載網(wǎng)站「豆包手機」尚在討論風(fēng)口時#xff0c;智譜 AI 宣布開源其手機端智能助理框架 Open-AutoGLM#xff0c; 實現(xiàn)了對屏幕內(nèi)容的多模態(tài)理解與自動化操作。 與傳統(tǒng)手機自動化工具不同#xff0c;Phone Agent 采用視覺語言模型實現(xiàn)了對屏幕內(nèi)容的深度語義理解#xff0c;結(jié)合智…「豆包手機」尚在討論風(fēng)口時智譜 AI 宣布開源其手機端智能助理框架 Open-AutoGLM實現(xiàn)了對屏幕內(nèi)容的多模態(tài)理解與自動化操作。與傳統(tǒng)手機自動化工具不同Phone Agent 采用視覺語言模型實現(xiàn)了對屏幕內(nèi)容的深度語義理解結(jié)合智能規(guī)劃能力自動生成并執(zhí)行操作流程。系統(tǒng)通過 ADBAndroid Debug Bridge控制設(shè)備用戶只需用自然語言描述需求如「打開小紅書搜索美食」Phone Agent 即可自動解析意圖、理解當(dāng)前界面、規(guī)劃下一步動作并完成整個流程。在安全與可控性方面系統(tǒng)設(shè)計了敏感操作確認(rèn)機制并在登錄、支付或驗證碼等需要人工介入的場景中支持用戶接管確保使用過程安全可靠。同時Phone Agent 還具備遠(yuǎn)程 ADB 調(diào)試能力支持通過 WiFi 或移動網(wǎng)絡(luò)連接設(shè)備為開發(fā)者與高級用戶提供靈活的遠(yuǎn)程控制與實時調(diào)試支持。目前基于該框架實現(xiàn)的 Open-AutoGLM 已覆蓋微信、淘寶、小紅書等 50 余款主流中文應(yīng)用能夠處理從社交互動、電商購物到內(nèi)容瀏覽等多種日常任務(wù)正逐步發(fā)展為覆蓋用戶衣食住行全場景的智能助手。目前HyperAI超神經(jīng)官網(wǎng)已上線了「Open-AutoGLM手機端智能助理」快來試試吧~在線使用https://go.hyper.ai/QwvOU12 月 8 日-12 月 12 日hyper.ai 官網(wǎng)更新速覽優(yōu)質(zhì)公共數(shù)據(jù)集10 個優(yōu)質(zhì)教程精選5 個本周論文推薦: 5 篇社區(qū)文章解讀5 篇熱門百科詞條5 條1 月截稿頂會11 個訪問官網(wǎng)hyper.ai公共數(shù)據(jù)集精選1. Envision 多階段事件視覺生成數(shù)據(jù)集Envision 是由上海人工智能實驗室發(fā)布的一個多圖像文本對數(shù)據(jù)集旨在測試模型在真實世界事件中的因果理解與多階段生成能力。數(shù)據(jù)集共包含 1,000 個事件序列與 4,000 條四階段文本提示涵蓋自然科學(xué)與人文歷史六大領(lǐng)域。事件素材來自教材與在線資料經(jīng)專家篩選并由 GPT-4o 生成與潤色形成具備清晰因果鏈與階段遞進結(jié)構(gòu)的敘事提示。直接使用https://go.hyper.ai/xD4j62. DetectiumFire 多模態(tài)火災(zāi)理解數(shù)據(jù)集DetectiumFire 是由杜蘭大學(xué)聯(lián)合 Aalto University 發(fā)布的一個面向火焰檢測、視覺推理與多模態(tài)生成任務(wù)的數(shù)據(jù)集已經(jīng)被納入 NeurIPS 2025 Datasets and Benchmarks Track旨在為計算機視覺與視覺 – 語言模型提供統(tǒng)一的火焰場景訓(xùn)練與評測資源。該數(shù)據(jù)集包含超過 14.5 萬張高質(zhì)量真實火災(zāi)圖像和 2.5 萬個火災(zāi)相關(guān)視頻。直接使用https://go.hyper.ai/7Z92Z數(shù)據(jù)集示例3.Care-PD 帕金森三維步態(tài)評估數(shù)據(jù)集CARE-PD 是由多倫多大學(xué)聯(lián)合 Vector Institute 、 KITE Research Institute–UHN 等機構(gòu)發(fā)布的目前公開規(guī)模最大的帕金森病三維步態(tài)網(wǎng)格數(shù)據(jù)集已入選 NeurIPS 2025 Datasets and Benchmarks旨在為臨床評分預(yù)測、帕金森步態(tài)表征學(xué)習(xí)及跨機構(gòu)統(tǒng)一分析提供高質(zhì)量數(shù)據(jù)基礎(chǔ)。數(shù)據(jù)集共包含 362 名受試者的步態(tài)記錄來自 8 個臨床機構(gòu)的 9 個獨立隊列。所有步態(tài)視頻和動作捕捉數(shù)據(jù)均經(jīng)統(tǒng)一處理轉(zhuǎn)換為匿名化的 SMPL 三維人體步態(tài)網(wǎng)格。直接使用https://go.hyper.ai/CH7Oi4. PolyMath 多語言數(shù)學(xué)推理基準(zhǔn)數(shù)據(jù)集PolyMath 是由阿里巴巴千問團隊聯(lián)合上海交通大學(xué)發(fā)布的一個多語言數(shù)學(xué)推理評測數(shù)據(jù)集并已入選 NeurIPS 2025 Datasets and Benchmarks旨在系統(tǒng)評估大語言模型在多語種條件下的數(shù)學(xué)理解、推理深度與跨語言一致性表現(xiàn)。直接使用https://go.hyper.ai/VM5XK5. VOccl3D 三維人體遮擋視頻數(shù)據(jù)集VOccl3D 是由加州大學(xué)發(fā)布的一個專注于復(fù)雜遮擋場景下人體三維理解的大規(guī)模合成數(shù)據(jù)集旨在為人體姿態(tài)估計、重建與多模態(tài)感知任務(wù)提供更貼近真實遮擋環(huán)境的評測基準(zhǔn)。該數(shù)據(jù)集共包含超過 25 萬張圖像和約 400 段視頻序列由背景場景、人類動作與多樣化貼圖共同構(gòu)建。直接使用https://go.hyper.ai/vBFc2數(shù)據(jù)集示例6. Spatial-SSRL-81k 空間感知自監(jiān)督數(shù)據(jù)集Spatial-SSRL-81k 是由上海人工智能實驗室聯(lián)合上海交通大學(xué)、香港中文大學(xué)等機構(gòu)發(fā)布的一個面向空間理解與空間推理的自監(jiān)督視覺 – 語言數(shù)據(jù)集旨在為大模型提供無需人工標(biāo)注的空間感知能力從而提升其在多模態(tài)場景中的推理與泛化效果。直接使用https://go.hyper.ai/AfHSW數(shù)據(jù)集示例7. WenetSpeech-Chuan 川渝方言語音數(shù)據(jù)集WenetSpeech-Chuan 是由西北工業(yè)大學(xué)聯(lián)合希爾貝殼、中國電信人工智能研究院等機構(gòu)發(fā)布的一個規(guī)模龐大的川渝方言語音數(shù)據(jù)集該數(shù)據(jù)集覆蓋 9 大真實場景領(lǐng)域其中短視頻占 52.83%其余還包括娛樂、直播、有聲書、紀(jì)錄片、采訪、新聞、閱讀和劇集呈現(xiàn)出高度多樣且貼近現(xiàn)實的語音分布。直接使用https://go.hyper.ai/dFlE2數(shù)據(jù)集分布8. PhysDrive 駕駛員生理測試數(shù)據(jù)集PhysDrive 是由香港科技大學(xué)廣州、香港科技大學(xué)、清華大學(xué)等機構(gòu)發(fā)布的首個面向真實駕駛環(huán)境、用于車內(nèi)非接觸式生理測量的大規(guī)模多模態(tài)數(shù)據(jù)集已入選 NeurIPS 2025 Datasets and Benchmarks旨在支撐駕駛員狀態(tài)監(jiān)測、智慧座艙系統(tǒng)以及多模態(tài)生理感知方法的研究與評測。直接使用https://go.hyper.ai/4qz9T數(shù)據(jù)集構(gòu)建流程9. MMSVGBench 多模態(tài)矢量圖生成基準(zhǔn)數(shù)據(jù)集MMSVG-Bench 是由復(fù)旦大學(xué)聯(lián)合 StepFun 發(fā)布的一個面向多模態(tài) SVG 生成任務(wù)設(shè)計的綜合評測基準(zhǔn)已入選 NeurIPS 2025 Datasets and Benchmarks旨在填補當(dāng)前矢量圖生成領(lǐng)域缺乏統(tǒng)一、開放、標(biāo)準(zhǔn)化測試集的空白。直接使用https://go.hyper.ai/WiZCR10. PolypSense3D 息肉尺寸感知數(shù)據(jù)集PolypSense3D 是由杭州師范大學(xué)聯(lián)合丹麥技術(shù)大學(xué)、河海大學(xué)等機構(gòu)發(fā)布的一個專為深度感知息肉尺寸測量任務(wù)設(shè)計的多源基準(zhǔn)數(shù)據(jù)集已入選 NeurIPS 2025旨在為息肉檢測、深度估計、尺寸測量及 sim-to-real 遷移研究提供高質(zhì)量訓(xùn)練與評測資源。直接使用https://go.hyper.ai/SZnu6公共教程精選1. Dia2-TTS實時語音合成服務(wù)Dia2-TTS 是一個基于 nari-labs 團隊發(fā)布的 Dia2 大規(guī)模語音生成模型Dia2-2B構(gòu)建的實時語音合成服務(wù)支持多輪對話腳本輸入、雙角色語音提示Prefix Voice、多參數(shù)可控采樣并通過 Gradio 提供完整的 Web 端交互界面用于高質(zhì)量對話級語音合成。模型可直接輸入連續(xù)多輪對話腳本生成自然連貫、角色音色一致的高質(zhì)量語音適用于虛擬客服、語音助手、AI 配音、短劇生成等應(yīng)用場景。在線運行https://go.hyper.ai/Qbfni效果示例2. Open-AutoGLM手機端智能助理Open-AutoGLM 是由智譜 AI 發(fā)布的手機端智能助理框架基于 AutoGLM 構(gòu)建。該框架能夠以多模態(tài)方式理解手機屏幕內(nèi)容并通過自動化操作幫助用戶完成任務(wù)。與傳統(tǒng)手機自動化工具不同Phone Agent 采用視覺語言模型進行屏幕感知結(jié)合智能規(guī)劃能力自動生成并執(zhí)行操作流程。在線運行https://go.hyper.ai/QwvOU3. VibeVoice-Realtime TTS實時語音合成服務(wù)VibeVoice-Realtime TTS 是一個高質(zhì)量的實時文本轉(zhuǎn)語音Text-to-Speech, TTS系統(tǒng)由 Microsoft Research 團隊發(fā)布的 VibeVoice-Realtime-0.5B 流式語音合成模型構(gòu)建。該系統(tǒng)支持多說話人語音生成、低延遲實時推理以及 Gradio Web 端可視化交互。在線運行https://go.hyper.ai/RviLs效果示例4. Z-Image-Turbo高效 6B 參數(shù)圖像生成模型Z-Image-Turbo 是由阿里巴巴通義千問團隊發(fā)布的新一代高效圖像生成模型。該模型以僅 6B 的參數(shù)規(guī)模實現(xiàn)了與 20B 以上參數(shù)閉源旗艦?zāi)Ｐ拖噫敲赖男阅芴貏e擅長生成高保真度的照片級真實人像。在線運行https://go.hyper.ai/R8BJF效果示例5. Ovis-Image高質(zhì)量圖像生成模型Ovis-Image 是一個高質(zhì)量圖像生成模型Text-to-Image, T2I系統(tǒng)由 AIDC-AI 團隊發(fā)布的 Ovis-Image-7B 高保真文本到圖像生成模型構(gòu)建。該系統(tǒng)采用多尺度 Transformer 編碼器與自回歸生成架構(gòu)在高分辨率圖像生成、細(xì)節(jié)表現(xiàn)及多風(fēng)格適配能力上表現(xiàn)卓越。在線運行https://go.hyper.ai/NoaDw效果示例我們還建立了 Stable Diffusion 教程交流群歡迎小伙伴們掃碼備注【SD教程】入群探討各類技術(shù)問題、分享應(yīng)用效果~本周論文推薦1. Wan-Move: Motion-controllable Video Generation via Latent Trajectory Guidance本文提出 Wan-Move一個簡單且可擴展的框架為視頻生成模型引入了運動控制能力。現(xiàn)有運動可控方法通常存在控制粒度粗略、可擴展性有限的問題導(dǎo)致生成結(jié)果難以滿足實際應(yīng)用需求。為縮小這一差距Wan-Move 實現(xiàn)了高精度、高質(zhì)量的運動控制。其核心思想是直接使原始條件特征具備運動感知能力以指導(dǎo)視頻生成。論文鏈接https://go.hyper.ai/h3uaG2. Visionary: The World Model Carrier Built on WebGPU-Powered Gaussian Splatting Platform本文提出 Visionary——一個開源、原生面向網(wǎng)頁的實時渲染平臺支持多種高斯點陣與網(wǎng)格的實時渲染。該平臺基于高效的 WebGPU 渲染引擎并結(jié)合每幀執(zhí)行的 ONNX 推理機制實現(xiàn)了動態(tài)神經(jīng)處理能力同時保持輕量化與「點擊即運行」的瀏覽器體驗。論文鏈接https://go.hyper.ai/NaBv33. Native Parallel Reasoner: Reasoning in Parallelism via Self-Distilled Reinforcement Learning本文提出原生并行推理器Native Parallel Reasoner, NPR這是一種無需教師指導(dǎo)的框架使大語言模型LLMs能夠自主演化出真正的并行推理能力。在八項推理基準(zhǔn)測試中基于 Qwen3-4B 模型訓(xùn)練的 NPR 實現(xiàn)了最高達 24.5% 的性能提升推理速度最高提升 4.6 倍。論文鏈接https://go.hyper.ai/KWiZQ4. TwinFlow: Realizing One-step Generation on Large Models with Self-adversarial Flows本文提出生成模型訓(xùn)練框架 TwinFlow該方法無需依賴固定的預(yù)訓(xùn)練教師模型且在訓(xùn)練過程中避免使用標(biāo)準(zhǔn)對抗網(wǎng)絡(luò)因而特別適用于構(gòu)建大規(guī)模、高效率的生成模型。在文本到圖像生成任務(wù)中該框架在僅 1 次函數(shù)求值1-NFE下即可達到 GenEval 評分 0.83顯著優(yōu)于 SANA-Sprint基于GAN損失的框架與 RCGM基于一致性機制的框架等強基線模型。論文鏈接https://go.hyper.ai/l1nUp5.Beyond Real: Imaginary Extension of Rotary Position Embeddings for Long-Context LLMs旋轉(zhuǎn)位置編碼RoPE通過在復(fù)數(shù)平面上對查詢query和鍵key向量進行旋轉(zhuǎn)變換已成為大語言模型LLMs中編碼序列順序的標(biāo)準(zhǔn)方法。然而現(xiàn)有標(biāo)準(zhǔn)實現(xiàn)僅使用復(fù)數(shù)點積的實部來計算注意力分?jǐn)?shù)忽略了包含重要相位信息的虛部從而可能導(dǎo)致建模長程依賴關(guān)系時丟失關(guān)鍵的相對關(guān)系細(xì)節(jié)。本文提出一種擴展方法重新引入此前被舍棄的虛部信息。該方法充分利用完整的復(fù)數(shù)表示構(gòu)建雙成分注意力分?jǐn)?shù)。論文鏈接https://go.hyper.ai/iGTw6更多 AI 前沿論文https://go.hyper.ai/iSYSZ社區(qū)文章解讀1. 200 億美元豪賭xAI 單押馬斯克巨注叫板 OpenAI未來商業(yè)續(xù)航成最大問號2025 年xAI 在馬斯克強力推動下獲得前所未有的資本動能但商業(yè)化仍高度依賴 X 與 Tesla 生態(tài)現(xiàn)金流與監(jiān)管壓力同步攀升。Grok 的「弱對齊」路線在全球監(jiān)管日趨嚴(yán)格的背景下愈發(fā)危險而與 X 的深度綁定也削弱了其獨立成長性。面對成本失衡、模式受限與監(jiān)管摩擦xAI 的未來仍在巨頭敘事、政策變動與馬斯克個人意志之間搖擺。*查看完整報道*https://go.hyper.ai/NmLi42. 完整議程上海創(chuàng)智/TileAI/華為/先進編譯實驗室/AI9Stars齊聚上海深度拆解算子優(yōu)化的全鏈路實踐2025 Meet AI Compiler 第 8 期技術(shù)沙龍將于 12 月 27 日在上海創(chuàng)智學(xué)院舉辦。本期我們邀請了來自上海創(chuàng)智學(xué)院、TileAI 社區(qū)、華為海思、先進編譯實驗室、AI9Stars 社區(qū)的多位專家他們將帶來從軟件棧設(shè)計、算子開發(fā)到性能優(yōu)化的全鏈路分享內(nèi)容涵蓋 TVM 的跨生態(tài)互操作、PyPTO 的融合算子優(yōu)化、TileRT 的低延遲系統(tǒng)、Triton 面向多架構(gòu)的關(guān)鍵優(yōu)化技術(shù)以及 AutoTriton 的算子優(yōu)化呈現(xiàn)從理論到落地的完整技術(shù)路徑。查看完整報道https://go.hyper.ai/xpwkk3. 在線教程丨30毫秒處理100個檢測對象SAM 3實現(xiàn)可提示概念分割性能提升2倍SAM、SAM 2 模型在圖像分割領(lǐng)域取得了顯著進展但仍未實現(xiàn)在輸入內(nèi)容中自動尋找并分割某一概念的所有實例。為填補這一空白Meta 推出最新迭代版本 SAM 3新版本不僅顯著超越了前代模型的可提示視覺分割PVS性能更率先為可提示概念分割PCS任務(wù)確立了新標(biāo)準(zhǔn)。查看完整報道https://go.hyper.ai/YfmLc4. 卡內(nèi)基跨學(xué)科團隊利用隨機森林模型基于406份樣本成功捕捉33億年前生命遺跡美國卡內(nèi)基科學(xué)研究所聯(lián)合全球多所院校組成跨領(lǐng)域團隊精進了熱解氣相色譜-質(zhì)譜監(jiān)督機器學(xué)習(xí)的「技術(shù)融合」解決方案可在混亂的分子碎片中捕捉古老的生命遺跡。查看完整報道https://go.hyper.ai/CNPMQ5. 活動回顧丨 北京大學(xué)/清華大學(xué)/Zilliz/MoonBit 共話開源覆蓋視頻生成/視覺理解/向量數(shù)據(jù)庫/AI 原生編程語言HyperAI超神經(jīng)作為 COSCon’25 的聯(lián)合出品社區(qū)于 12 月 7 日舉辦了「產(chǎn)研開源協(xié)同論壇」。本文為 4 位講師的深度分享精華摘要后續(xù)我們還會以視頻的形式分享完整演講敬請期待查看完整報道https://go.hyper.ai/XrCEl熱門百科詞條精選雙向長短期記憶 Bi-LSTM地面真實值 Ground Truth布局控制 Layout-to-Image具身導(dǎo)航 Embodied Navigation每秒幀數(shù) Frames Per Second (FPS)這里匯編了數(shù)百條 AI 相關(guān)詞條讓你在這里讀懂「人工智能」https://go.hyper.ai/wiki1 月截稿頂會一站式追蹤人工智能學(xué)術(shù)頂會https://go.hyper.ai/event以上就是本周編輯精選的全部內(nèi)容如果你有想要收錄 hyper.ai 官方網(wǎng)站的資源也歡迎留言或投稿告訴我們哦下周再見關(guān)于 HyperAI超神經(jīng) (hyper.ai)HyperAI超神經(jīng) (hyper.ai) 是國內(nèi)領(lǐng)先的人工智能及高性能計算社區(qū)致力于成為國內(nèi)數(shù)據(jù)科學(xué)領(lǐng)域的基礎(chǔ)設(shè)施為國內(nèi)開發(fā)者提供豐富、優(yōu)質(zhì)的公共資源截至目前已經(jīng)為 1800 公開數(shù)據(jù)集提供國內(nèi)加速下載節(jié)點收錄 600 經(jīng)典及流行在線教程解讀 200 AI4Science 論文案例支持 600 相關(guān)詞條查詢托管國內(nèi)首個完整的 Apache TVM 中文文檔訪問官網(wǎng)開啟學(xué)習(xí)之旅https://hyper.ai