来源：人工智能学社 原文链接：https://mp\.weixin\.qq\.com/s/\_zXYmWN82y9bNHIXTI65Tw 原创 StudyAI.com —— 中国最佳AI社区 2026 年很可能是 AI 研究的“分水岭之年”。 一边是预训练 Scaling 撞上算力与数据的双重天花板——再堆参数、再堆语料的边际收益肉眼可见地收窄；另一边，四大核心顶会（ICLR、ICM...

来源：小栩走走停停 原文链接：https://mp\.weixin\.qq\.com/s/nfLPqZ7EaUESz2LT\_TB4Xg 最近，小米在国际计算机视觉顶会ECCV 2026上一口气入选12篇论文，其中与自动驾驶直接相关的有5篇。不少行内人在看到名录后感叹，这技术路线真的挺完整的，可怎么那么像某些实验室的做法？ 于是不少人给这套技术方案起了个外号叫做保时米方案，颇有几分别家...

来源：JOJO极智算法 原文链接：https://mp\.weixin\.qq\.com/s/jaTHqU6Ts9BnDGYap2XcHw 具身智能（Embodied AI）的浪潮正在席卷千行百业，而视觉-语言-动作（VLA）模型无疑是当下最受瞩目的“机器大脑”。然而，当VLA模型试图从实验室的简单抓取走向真实世界的复杂应用时，立刻撞上了三堵高墙：硬件形态的异构性（如形形色色的机械手）、...

来源：JOJO极智算法 原文链接：https://mp\.weixin\.qq\.com/s/jaTHqU6Ts9BnDGYap2XcHw 具身智能（Embodied AI）的浪潮正在席卷千行百业，而视觉-语言-动作（VLA）模型无疑是当下最受瞩目的“机器大脑”。然而，当VLA模型试图从实验室的简单抓取走向真实世界的复杂应用时，立刻撞上了三堵高墙：硬件形态的异构性（如形形色色的机械手）、...

来源：小米技术 原文链接：https://mp\.weixin\.qq\.com/s/O3Gbep1eQoxuwvFIhfiXEA 单步推理就能修复严重退化的人脸视频，让修复结果既清晰又像本人；视频大模型不再“看完再想”，而是边看边思考，响应速度提升 15.7 倍；美学模型不再孤立打分，而是像人一样在比较中感知美的高低。这些亮眼的成果，只是小米 AI 团队与自动驾驶团队入选 ECCV...

来源：小米技术 原文链接：https://mp\.weixin\.qq\.com/s/O3Gbep1eQoxuwvFIhfiXEA 单步推理就能修复严重退化的人脸视频，让修复结果既清晰又像本人；视频大模型不再“看完再想”，而是边看边思考，响应速度提升 15.7 倍；美学模型不再孤立打分，而是像人一样在比较中感知美的高低。这些亮眼的成果，只是小米 AI 团队与自动驾驶团队入选 ECCV...

来源：小米技术 原文链接：https://mp\.weixin\.qq\.com/s/O3Gbep1eQoxuwvFIhfiXEA 单步推理就能修复严重退化的人脸视频，让修复结果既清晰又像本人；视频大模型不再“看完再想”，而是边看边思考，响应速度提升 15.7 倍；美学模型不再孤立打分，而是像人一样在比较中感知美的高低。这些亮眼的成果，只是小米 AI 团队与自动驾驶团队入选 ECCV...

来源：我爱机器人视觉 原文链接：https://mp\.weixin\.qq\.com/s/N5SebrlZO1mY1tWYvmLSSg 随着多模态基础模型与大语言视觉模型（MLLMs）的快速发展，面向人的视觉智能正在迎来新的范式转变。传统视觉系统往往依赖受控数据集与静态任务设定，而真实世界中的人类行为理解则面临更复杂的开放环境：光照变化、快速运动、严重遮挡、复杂交互、多源传感器噪声以及...

来源：我爱机器人视觉 原文链接：https://mp\.weixin\.qq\.com/s/N5SebrlZO1mY1tWYvmLSSg 随着多模态基础模型与大语言视觉模型（MLLMs）的快速发展，面向人的视觉智能正在迎来新的范式转变。传统视觉系统往往依赖受控数据集与静态任务设定，而真实世界中的人类行为理解则面临更复杂的开放环境：光照变化、快速运动、严重遮挡、复杂交互、多源传感器噪声以及...

来源：我爱机器人视觉 原文链接：https://mp\.weixin\.qq\.com/s/N5SebrlZO1mY1tWYvmLSSg 随着多模态基础模型与大语言视觉模型（MLLMs）的快速发展，面向人的视觉智能正在迎来新的范式转变。传统视觉系统往往依赖受控数据集与静态任务设定，而真实世界中的人类行为理解则面临更复杂的开放环境：光照变化、快速运动、严重遮挡、复杂交互、多源传感器噪声以及...