
مدل Agora-1 و گذار از شبیهسازی تکعاملی به موتورهای بازی زاینده
شرکت Odyssey با معرفی Agora-1، مدلهای جهان را از حالت تککاربره خارج کرده و محیطهای شبیهسازیشدهی مشترک و بلادرنگ را ممکن ساخته است. این سیستم با جداسازی تکامل وضعیت جهان از…
موضوع
Models that natively process text+image+audio+video
۱٬۴۱۹ مقاله منتشر شده

شرکت Odyssey با معرفی Agora-1، مدلهای جهان را از حالت تککاربره خارج کرده و محیطهای شبیهسازیشدهی مشترک و بلادرنگ را ممکن ساخته است. این سیستم با جداسازی تکامل وضعیت جهان از…

انویدیا راهنمایی عملی برای بهینهسازی مدل جهانی Cosmos Predict 2.5 با استفاده از LoRA و DoRA منتشر کرد. این روش اجازه میدهد توسعهدهندگان بدون هزینههای سنگین آموزش کامل،…

آمازون در ۱۸ مه ۲۰۲۶ قابلیت Alexa Podcasts را معرفی کرد که به کاربران آمریکایی اجازه میدهد درباره هر موضوعی پادکستهای شخصیسازیشده بسازند. این ابزار با ترکیب دادههای بهروز…

اسپیساکس قصد دارد با ارزشی خیرهکننده در ۱۲ ژوئن وارد بورس نزدک شود. همزمان، درگیریهای حقوقی ایلان ماسک و نفوذ سیاسی در معاملات سهام فناوری، ابعاد جدیدی به رقابت برای تسلط بر…

انویدیا مدل SANA-WM را با ۲.۶ میلیارد پارامتر معرفی کرد که قادر است ویدیوهای یک دقیقهای با کیفیت 720p را روی یک GPU تولید کند. این مدل با جایگزینی مکانیزم توجه استاندارد با Gated…

معیار جدید WorldReasonBench نشان میدهد که مدلهای تجاری تولید ویدیو در استدلال جهانی دو برابر قدرتمندتر از رقبای بازمتن هستند. با این حال، تمامی مدلهای بررسیشده در درک مفاهیم…

ابزار جدید image-blaster با ترکیب Claude و مدلهای تخصصی، امکان تبدیل یک عکس به محیطهای سهبعدی، مشها و جلوههای صوتی را در کمتر از ۵ دقیقه فراهم میکند. این سیستم خط لوله تولید…

شرکت Runway از تولید ابزارهای ویدیوئی به سمت «مدلهای جهانی» حرکت میکند تا قوانین فیزیک را از طریق مشاهده یاد بگیرد. هدف این شرکت ساخت دوقلوی دیجیتالی جهان برای سرعت بخشیدن به…

شرکت Supertone مدل Supertonic 3 را معرفی کرد؛ یک سیستم تبدیل متن به گفتار (TTS) سبک که روی دستگاه اجرا میشود و از ۳۱ زبان پشتیبانی میکند. این مدل در نرمالسازی متون پیچیده مالی…

متا قابلیت تایپ مجازی از طریق حرکات دست را برای تمام کاربران عینکهای Meta Ray-Ban Display عرضه کرد. این بهروزرسانی شامل ضبط نمایشگر، مسیریابی گسترده و زیرنویس زنده برای…

گوگل دیپمایند خانواده مدلهای Gemma 4 را با وزنهای باز عرضه کرد تا استدلال سطح پیشرو را به سختافزارهای محلی بیاورد. مدل ۳۱ میلیارد پارامتری این خانواده، جهشی خیرهکننده در…

فرمت GGUF با یکپارچهسازی وزنها و متادیتا، استقرار مدلهای محلی را ساده کرده است. با این حال، نبود استانداردی برای فراخوانی ابزارها و توکنهای استدلالی، توسعهدهندگان را مجبور به…