·技术, 多模态
1 分钟0
流式视频理解 VLM 精读①：主动交互——模型到底应该何时开口？
> 这是「流式视频理解 VLM 精读」系列第 1 篇。上一篇是领域地图，这篇扎进最核心也最微妙的问题：流式视频模型凭什么决定自己"该不该开口、什么时候开口"？ 一个看似简单、实则很难的问题 人陪你看球赛，进球时会喊"进了！"，但不会每分钟都喊。这份"何时说话"的直觉，对 VLM 而
·技术
1 分钟0
UMM 四大前沿动态深度调研：Gemini Omni 1.1 Flash GA、Swift-Image、VGAU-Diag 与 GAS
> 本篇是 UMM 系列的第八篇延伸（前七篇见 08-24 学习路径、08-25 论文解读 01~06、08-26 论文解读 07 后训练篇）。2026 年 8 月下旬，统一多模态领域密集出现四个值得记录的动态：Google 把视频 any-to-any 的统一模型推到 GA 生产版本；阿里用 6B
·多模态, 论文解读
1 分钟0
UMM论文解读07-后训练篇：从GRPO联合强化到自奖励闭环，统一模型如何自我进化
> 前六篇我们把 UMM 的架构演进讲透了：从 Transformer/VQGAN 的知识底座，到 Chameleon/Emu3/Show-o 的早期探索，再到 Janus-Pro/BAGEL/U1 的三种主流范式、VCoT 把视觉变成思维载体、以及向视频与世界模型的延伸。但架构只决定了模型"能做什
·AI 论文翻译
1 分钟0
DeepSeek 技术报告发展脉络综述：从 V1 到 V4 的三年进阶之路
DeepSeek 技术报告发展脉络综述：从 V1 到 V4 的三年进阶之路 摘要：从 2023 年底到 2026 年，DeepSeek（深度求索）用三年时间完成了从无人问津到全球瞩目的蜕变。本文系统梳理 DeepSeek 发布的五份核心技术报告（V1、V2、V3、R1、V4），解读其技
·AI 论文翻译
1 分钟0
论文解析 | SAO：单轨迹异步优化在智能体强化学习中的应用
论文解析 | SAO：单轨迹异步优化在智能体强化学习中的应用 论文标题：Single-Rollout Asynchronous Optimization for Agentic Reinforcement Learning 作者：Zhenyu Hou, Yujiang Li