dettato 以 21M 參數挑戰 1.3B 音訊轉 MIDI 模型
dettato 以約 21M 參數完成音訊轉 MIDI,模型體積僅約 muscriptor 1.3b 的六十分之一,專案宣稱測試成績亦領先。不過,測試方法、效率數據與訓練素材仍需第三方獨立驗證。
tamserve 將 SAM 3 的目標偵測與 EdgeTAM 的追蹤拆成兩套流程,在單張 RTX 4090 上達成 Meta SAM 3 tracker 4 倍的處理速度,同時維持 92% 準確率。本文解析其多攝影機架構、資源共享方式與實際部署限制。
dettato 以約 21M 參數完成音訊轉 MIDI,模型體積僅約 muscriptor 1.3b 的六十分之一,專案宣稱測試成績亦領先。不過,測試方法、效率數據與訓練素材仍需第三方獨立驗證。
Google DeepMind 透過 Project Genie 開放 Genie 4,可依文字、圖像或影片建立可即時互動的生成式環境。它朝世界模型與 Agent 訓練平台邁進,但物理一致性、長任務穩定性及現實落差仍是主要關卡。
Claude 的預訓練資料是否納入大規模蛋白質序列,目前仍只有媒體轉述,Anthropic 也未正式證實。真正值得追蹤的,是序列資料、結構工具與濕實驗能否串成可驗證的閉環。
YC F26 團隊 Axonnic 開發前臂 EMG 袖套,藉由肌肉訊號解碼手指動作並估算指尖力度,為機器人補上單靠影片難以取得的發力資訊。
Fortune 報導 OpenAI 解散機器人團隊,並指通用模型已開始驅動機器人。這次調整較可能反映技術路线轉移,而非退出市場;能否成立,仍取決於遷移成本、可靠性與安全指標。
Google SWE 動員 48 個 AI Agent,在 72 小時內篩查 NASA Lidar 資料並找到一座未見於既有紀錄的瑪雅金字塔。這次實驗的核心,不只是 AI 的發現能力,更在於多 Agent 如何分工、驗證證據,以及放大系統性錯誤。
Pietro Miotti 的 Agent 團隊參與發現一處先前未被繪製的瑪雅遺址。這項案例顯示,Agent 的價值不只在於搜尋與整理資訊,更在於能否將線索轉化為可驗證、可追溯的實地調查流程。
兩人實驗室以約兩萬美元從零訓練 PJIT-21K,並以 Apache 2.0 釋出權重。本文拆解訓練、推理、授權與部署成本,為 AI Agent 與多模態團隊整理一份採用前評估清單。
語音 Agent 的關鍵不在於能不能自然說話,而在於能否控制端到端延遲、處理即時打斷,並維持一致的系統狀態。本文拆解串流 ASR、LLM 與 TTS 的實時架構,也提出一套更貼近產品體驗的評估方式。
Destined AI 開源窄頻寬 TTS 模型 Hurston-1,聚焦 Southern American 與 Regional African English。本文從授權資料、模型定位、部署成本與評測限制,檢視其實際價值與落地門檻。
Lynch Lab 的皮膚病變分類測試顯示,由 10 歲研究者開發的 CNN 表現優於 GPT-4o 與 Claude 3.5。這項結果凸顯專用架構、資料品質與評測方法在醫療 AI 中的重要性,但目前仍不足以支持臨床結論。