深度复盘 Seedance 2.0：当 AI 视频不再「抽卡」，电商广告的工业化革命来了
如果说 OpenAI 的 Sora 2.0 还在执着于模拟物理世界的真实，那么 Seedance 2.0 则赤裸裸地展示了字节系的野心:我不关心物理引力是否完美，我只关心这条视频能不能在 3 秒内抓住用户的眼球，然后卖出货去。
解构多模态：跨越从“看懂”到“行动”的惊险一跃
多模态AI远不止是'能看懂图的聊天机器人'，它正在将AI从抽象符号处理者转变为具象世界的理解者与行动者。这篇文章深度拆解了从感知融合到理解推理，再到具身智能的完整演进路径，揭示了多模态如何重构人机交互范式，以及产品经理在这场变革中需要扮演的全新角色。
AI Agent，你不懂的都在这里
AI Agent 正在成为产品与组织的新变量，但关于它的误解也在迅速蔓延：它是工具？是助手？是“拟人化”的幻觉？本文从五个关键问题出发，拆解 AI Agent 的能力边界与协作价值，帮助你厘清认知、校准预期，并找到真正值得投入的方向。
一口气读懂：YOLO 在遥感影像里到底有多强？（从 v1 到 v12 全梳理）
Column of Computer Vision Institute。本文把 YOLO 从 2016 年诞生到 2025 年最新 v12，在复杂地理空间场景的进化、应用、痛点全扒透。
关于具身智能「触觉」，你想知道的都在这篇综述里了
与视觉等远端模态不同，触觉提供了表面纹理、材料属性和接触动态的直接、近端反馈，这对于解决视觉模糊性至关重要。
中科院上海光机所在多维复用光计算领域取得进展
IT之家 9 月 7 日消息，据中科院上海光机所消息，中国科学院上海光学精密机械研究所空天激光技术与系统部谢鹏研究员团队近期在多维复用光计算领域取得进展。相关成果发表于 Laser&PhotonicsReviews。
人能轻松转角追人，机器人却不行？答案在这里
设想这样一个场景：你在追一个刚刚转过街角的人。视线被建筑物挡住了，你看不见他。但你的大脑并不会因此陷入茫然，你听到了脚步声的方向，你记得他刚才的速度，你对街道的格局有直觉性的判断。于是你判断出他可能在哪个方向，加快步伐转过拐角。
从CVPR/ICLR等顶会看，多模态的趋势已经很明显了…
仔细扒了一下最近的顶会顶刊，发现多模态方向越来越卷了，想顺利发文，必须转变思路！
科学家提出更好解决视觉对话生成问题的双通道多步推理模型
为解决目前视觉对话系统中视觉语言两个模态之间的多轮指代、推理以及信息对齐等问题，中国科学院自动化研究所博士陈飞龙、副研究员许家铭和研究员徐波等人与腾讯一起共建了一种双通道多步推理视觉对话生成模型，使得模型从视觉和语言两个方面丰富问题的语义表示，更好地针对问题生成高质量答复。
大模型时代（2）：大模型的基本原理详解
AI爆火之后，AI产品经理成为不少人转岗的方向。那做AI产品的话，对大模型的了解是必不可少的。这篇文章，我们就来了解一下大模型的基本原理。一、大模型的基本原理与架构1.