Member standard
Member expire
Member points 0
还没有账号? 立即注册
已有账号? 立即登录
95.03万
粉丝
11569
文章
214.41万
总浏览
5
平均评分
AI领域资深专家
IT之家 9 月 20 日消息,据外媒 The Verge 18 日报道,著名导演詹姆斯・卡梅隆在 Meta Connect 大会上与 Meta CTO 安德鲁・博斯沃斯同台,展示了合作的首个成果:Quest 用户可以通过头显上的新 Horizon TV 应用,观看卡梅隆即将上映的《阿凡达 3》电影独家预览片段。在活动中,卡梅隆谈到自己对 AI 的看法。IT之家从报道中获悉,卡梅隆表示,视觉特效
WriteGenie 是什么?WriteGenie是一款专注于中英文AI降重与AIGC检测的智能工具。它通过深度学习和自然语言处理技术,在保持原意不变的前提下进行智能改写,有效降低重复率和AI率,帮助用户避免论文或文章因AI检测误判而被标记。与市面上同类工具相比,WriteGenie在处理速度、准确性和安全性上更具优势。特别针对近期Turnitin AI检测误判问题,WriteGenie已优
IT之家 9 月 20 日消息,据《商业内幕》今日报道,苹果的封闭生态策略不仅给监管机构和小型开发者带来挑战,对科技巨头同样造成困扰。本周,Meta 在年度 Meta Connect 上发布了多款新产品,包括第二代雷朋 AI 眼镜、神经腕带、Meta 雷朋 Display AI 眼镜,以及与 Oakley 合作的运动眼镜。不过,这些 AI 智能眼镜无法实现一个重要功能:发送 iMessages。
Codexia是什么Codexia是强大的跨平台AI编码桌面应用程序,支持为OpenAI Codex CLI提供图形界面和工具集,增强开发体验。Codexia支持多会话管理、实时流式响应、多种文件格式(如PDF、CSV、XLSX)的内置预览,及灵活的配置选项。用户能自定义AI提供商、模型、沙盒策略等。专业用户体验包括记事本与聊天集成、增强的Markdown渲染、主题选择等。Codexia注重安
和大模型聊天如今也有了开盲盒的体验,只不过开的不是大模型的性能高低,而是哪家大模型更有性格。在大模型太多,打工人不够分了的今天,从一个人和大模型的聊天截图就能看清对方段位。有一条隐秘的说法是,“小白还在晒AI能帮你干什么,真正的资深AI玩家,已经开始哄会"崩溃"的AI 了。”不懂代码的大学生陈述(化名)在要求Gemini给自己写代码时,随口提问后,Gemini不仅将所有的错误归结到自己,一秒
OpenAI 的硬件野心,开始伸向苹果的地盘。 4 个月前,OpenAI 宣布豪掷 65 亿美元收购由苹果前首席设计官 Jony Ive 联合创办的 AI 硬件公司 io,这也是 OpenAI 当时史上最大手笔的一桩交易。 4 个月后的今天,据 The Information 报道,自从宣布收购 io 以来,OpenAI 开启了疯狂的挖人行动——光今年就从苹果撬走了二十多位硬件工程师,而去年
哇,整个这个眼镜戴上去的感觉太科幻了!这是我戴上 Meta Ray-Ban Display 的第一反应。说实话,从看到去年 Meta Orion 样机的表现之后,我的期待值原本没有特别高,但真的把 Display 戴在头上,我突然觉得这个行业有戏。在 Meta Connect 2025 发布会上,这副售价 799 美元的「带屏智能眼镜」终于揭开面纱。它是 Meta 首款支持显示功能的智能眼镜,通
你有没有想过,人类记忆的局限性可能彻底被AI改写?想象一下,如果有一个AI助手能够24小时不间断地聆听你的生活,记住每一次对话、每一个想法,并在你需要时准确地回调这些信息,那会是什么样的体验?三位前Google X科学家正在将这个看似科幻的想法变成现实,他们刚刚为此获得了570万美元的种子轮融资。TwinMind不是又一个聊天机器人,而是一个试图成为你"第二大脑"的AI应用。它静静地在你的手机后
IT之家 9 月 20 日消息,小鹏汽车昨晚发文称,小鹏校招首站华南理工大学现场,“大师兄”何小鹏不仅真“BOSS 直聘”收到应聘学生的简历,更带来重磅校招信息 —— 本次 2026 届校招是小鹏史上最大规模的 AI 人才校招。何小鹏现场更透露,校招岗位中,AI 算法工程师相关岗位年薪可达百万。IT之家注意到,何小鹏此前多次强调 AI 在汽车领域的重要性。9 月 14 日,何小鹏在接受媒体群访谈
Lego-Edit是什么Lego-Edit 是小米开源的基于指令的图像编辑框架,通过多模态大语言模型(MLLM)的泛化能力,实现对图像的灵活编辑。采用模型级工具包,包含多种高效训练的模型,可执行多种图像操作。Lego-Edit 通过三阶段渐进式强化学习训练策略,先进行监督微调(SFT),再在特定任务上强化学习(RL),最后利用大量未标注指令进行额外 RL 训练,增强对灵活指令的处理能力。优势在