跳到正文
  1. Andrej Karpathy62

    Karpathy 分享理解大模型输出的技巧:从文字到图表、网页与讲解视频

    Andrej Karpathy 分享理解大语言模型输出的思路与技巧,建议让模型用 ASD-STE100 受控语言规范来解释内容,以获得更易读的写作风格,也可以要求「80% 接近 ASD-STE100」来放宽约束。

    推荐理由:Karpathy 给出从文字到图表、网页再到讲解视频的输出格式升级路径,并附可直接尝试的提示词写法。

  1. Google DeepMind71

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar

    Google DeepMind 发布 Gemini 3.8 Live with Live Avatar,在 Gemini 3.8 Live 的实时对话能力上加入低延迟流式视频,让企业智能体具备可听、可看、可说的动态视觉形象,即日起在 Gemini Enterprise 上线。

    推荐理由:官方披露了实时视频与语音耦合的对话能力、异步工具调用和 97 种语言支持,可据此判断企业级数字人交互的落地边界。

  1. Google DeepMind60

    Google DeepMind 为最新 Gemini 模型带来智能体视频理解

    Google DeepMind 宣布为最新 Gemini 模型加入智能体视频理解能力,模型分析视频的准确率更高,同时最多可减少 88% 的 token 消耗。

    推荐理由:官方给出 Gemini 视频理解在准确率与 token 消耗上的变化,可据此判断多模态推理成本走向。

  1. Google DeepMind62

    Google DeepMind 推出 Gemini Omni 1.1 Flash

    Google DeepMind 正在推出 Gemini Omni 1.1 Flash,目标是让生成视频更可控、迭代更快,并更适合生产级使用。官方表示可在 Flow by Google 等入口试用,并附上了体验链接。

    推荐理由:官方给出 Gemini Omni 1.1 Flash 在生成视频可控性与迭代速度上的定位,读者可据此判断其在生产级视频流程中的位置。

已经到底了