腾讯研究院AI速递 20250115

正文

请到「今天看啥」查看全文

2. 采用「融合模态数据合成」和「融合任务增强训练」两大技术，实现单一模型处理多模态信息，训练成本仅增20%；

3. 成功将模型应用于复杂办公文档处理、自动驾驶、视频交互等场景，展现了原生融合模态的技术优势。

https://mp.weixin.qq.com/s/_TkbWar7VkPNhygAXmuA4A

四、  不到1秒超快生图！英伟达开源生图模型SANA支持4K画质

1. Sana是英伟达开源的DiT架构文生图模型，0.6B版本生成1024*1024图片仅需0.9秒；

2. 模型支持生成4K分辨率图片，可在16GB显存笔记本GPU上运行，具有轻量化特点；

3. 采用深度压缩自编码器、线性注意力等创新技术，已支持ComfyUI并提供LoRA训练工具。

https://mp.weixin.qq.com/s/4AsMUrabVpIkg-XDCfSOvQ

五、  开源版Agent开发框架Eko，清华复旦斯坦福团队联合打造

1. 清华、复旦、斯坦福合作开源Agent框架Eko，实现电脑和浏览器自动化操作，对标OpenAI的Operator项目；

2. 采用混合智能体表示、跨平台架构和干预机制三大技术创新，支持自然语言和程序语言混合开发；

3. 通过视觉-交互要素联合感知和层次化规划，实现高效浏览器任务执行，并提供生产级钩子机制确保人工监管。

https://mp.weixin.qq.com/s/tUYjchA4ySYmdDIAB8FV6g

请到「今天看啥」查看全文