AI模型“神珍”开放 能处理蛋白质、天气等六类科学信息
7月18日，记者从上海科学智能研究院获悉，该院向全球开放一款名为“神珍”的人工智能模型。该模型能同时处理基因序列、蛋白质、化学分子、天气数据以及医学影像等六类科学信息。
从视觉压缩，到视觉记忆：MonkeyOCRv2以重建保留文档页面证据
文档视觉编码器究竟有多重要？一个直接的验证方法是把其他条件全部锁死：在 MonkeyOCRv2 的受控实验中，不同模型使用相同的 Qwen3-1.7B、相同的训练数据、优化设置和解码流程，视觉编码器也全部冻结。唯一发生变化的，就是文档进入语言模型之前所经过的那套视觉表示。
大模型手语翻译新进展：CAPO-SLT拿下中文三项最高分
论文标题:《CAPO-SLT: Confidence-Aware Policy Optimization for Stable Sign Language Translation Generation》
国产5B生图模型海外突然爆火，4天超百万下载
不少AI图片虽然漂亮，却总能让人一眼就认出来。最近，一款来自中国的开源生图模型，因为画面的自然感，在海外AI社区引起了一波讨论。
肉眼看不出的幻觉？清华提出视觉源幻觉，仅用0.9%数据实现SOTA
第一组，一张只有小狗的照片，问模型「图中有椅子吗」，它答「没有，图中是一只狗」，完全正确;近日，来自清华大学的团队在ACM MM 2026论文中提出:当模型输出很短时，比如只回答Yes/No，推理更依赖视觉模态，此时会浮现出另一套幻觉机制，它根植于视觉特征提取本身。
LeCun重磅成果单挑Scaling Law，1.09亿参数干翻720亿，训练方式比堆参数更本质
一个只有1.09亿参数的小模型，居然在跨模态表征对齐任务上，把720亿参数的Qwen2.5甩在了身后。
不用考生实测就知道题难不难：这个AI试题评测框架把考试难度“量化”了
论文标题:Cognitive Episodes in LLM Reasoning Traces Enable Interpretable Human Item Difficulty Prediction。
双榜第一背后，他们想做的不是下一个世界模型
生成速度方面非常亮眼，RTX PRO 6000 可以做到 3.6 s 生成 5s 长度视频， RTF < 1 ，处理速度快于音频播放速度，实现了实时视频。
讯飞首发实时生成技术！像真人主播一样临场应变，表情动作实时刷新
智东西作者 | 程茜编辑 | 漠影一块屏、一位数字人，AI线下新物种诞生了！下面屏幕里的数字人不仅能走动带路、实时讲解，还能无缝切换多国语言，按需更换自己的外形、声音，直接把沉浸式交互效果拉满。