标签
一条推文分享了 Anthropic 新发布的视频,回顾了这家 AI 实验室的创建过程和历史,讲述了其到目前为止的发展历程。
LingBot-Map 引入了几何上下文注意力(GCA),这是一种通过端到端学习得到的流式状态,能够以内存和计算高效的方式,以约 20 FPS 的速度对超过 10,000 帧的序列进行三维重建,标志着开源 AI 向前迈进了一步。
博主分享了 Matt 一段 70 分钟的实操视频,演示用 /grill-with-docs、/retro 等 skills 在 Claude Code 中完成一个 21000~25000 行大 PR 的领域建模、回顾改进与人工 Review 全流程,强调决策树式技能选择与用 glossary 统一项目语言。
一篇介绍 Brick Technology 视频系列的文章:在该系列中,威力越来越强的乐高机器试图推倒越来越坚固的乐高塔,被誉为以趣味方式展示迭代工程设计和通过反复试错解决问题的佳作。
Apple 发布了 Depth Pro 2,这是一款单目深度估计模型,能够从单张照片、视频或实时画面中生成清晰且时间一致的度量深度,并支持全分辨率输出。该模型提供多种尺寸版本,并在 Hugging Face 上附带一个共享的焦距估计器。
Cleo Abram 分享了一期完整的《HUGE If True》节目,带大家参观 Neuralink,近距离了解新款 R1 手术机器人,以及 Neuralink 和埃隆·马斯克正在打造的脑机接口的未来。
Andrej Karpathy 发布了一堂长达 2 小时的大师课,涵盖智能体、运行框架、循环和图等内容,被宣传为 AI 从业者的必看课程。
视频讲解外台球系统:从平行四边形球桌的循环、奇点与稳定岛屿,到彭罗斯筝形上的无界轨道,最终引入正多边形密铺的双曲平面,展示简单规则如何产生不可预测的结构。
适马(Sigma)宣传其紧凑、模块化的 FP2 是适用于拍摄照片与视频的终极混合型相机,突出了其多功能的可更换模块设计。
一位AI领域博主测评了Gemini 4 Argon的3D内容制作能力,并展示了调整4个版本后的效果对比。
一篇视频内容回顾了《俄罗斯方块》之父 Alexey Pajitnov 在 Tetris 之外鲜为人知的游戏作品,包括苏联科学院时期仅存的两款小游戏 Shaw (1986) 和 Magnetic Crane (1989),以及他此后借助名声参与的众多项目。
一个创意编程项目,作者使用 Argon,通过 JavaScript 和 p5.brush 生成了 100 张展现人类文明的图像,由 ChatGPT 统筹协调,Claude 负责剪辑和同步,Suno 制作音乐。最终成果是一段视频蒙太奇,呈现了人们熟悉的文化与历史时刻。
一篇科普视频图文稿,讲解工程师如何在高水头(420米)水电站中通过抬高取水口、低位溢洪道、拦污栅、沉沙池和排沙闸等多层重力式防护,阻止泥沙磨损价值数百万美元的水轮机。
Cloudflare 发布开源权重决策模型 Clef-omni,支持音频、视频、图像和文本全模态输入,并同时加快了 Clef 速度、降低了 Clef-flash 价格。模型基于 Qwen3-Omni-30B-A3B-Instruct MoE 架构构建,去掉了文本转语音输出组件。
Loom 推出「Loom Record for agents」功能,可将屏幕、摄像头和音频录制及在屏操作转化为 AI 代理可直接执行的提示词,并内置于新版 Loom for Mac 应用中,支持 4K 录制和 Chrome 扩展。
Etchv 是一款在 Product Hunt 上发布的 API 产品,可为图片、PDF 和短视频嵌入隐形水印,水印在截图、格式转换和压缩等修改后仍能被识别,旨在防止未经授权的媒体复制和署名缺失。
Meta 在过去两年中整合了 PyTorch 的媒体处理栈,使 TorchCodec 成为图像、视频和音频的 CPU 与 CUDA 解码/编码的统一入口,而 TorchVision 和 TorchAudio 现在则专注于高性能媒体变换。