Harmon：协调视觉表征，统一多模态理解和生成（模型已开源）
吴思泽博士生提出Harmon模型，通过统一多模态表征促进图像理解和生成。其框架包括共享MAR编码器和三阶段训练策略，在理解与生成任务中均取得显著效果，并优于现有统一模型。
日期: 2025 年 5 月 10 日
多模态=AGI入场券？阶跃星辰姜大昕：死磕基座大模型，探索多模态理解生成一体化
阶跃星辰表示将继续坚持基础大模型研发，并强调多模态理解生成一体化的重要性。公司已发布22款基座模型，其中16款为多模态模型。姜大昕解释称，多模态理解生成一体化意味着用一个模型同时完成理解和生成任务，而非三段式过程。他认为这需要更强的综合实力，目前在语言和视觉领域的理解生成一体化研究进展正积极推进。
深度｜木头姐：从滚动衰退到牛市？以AI为核心的技术发展已进入黄金时期，市场或进入超预期增长与低通胀并存的新常态
开始，但我们认为，
过去三年一直支撑经济增长和就业的两个领域
——
高端消费和政府部门，最终也在出现
机器人开始抢“主持人”饭碗！上海张江，傅利叶宣布下个十年规划，要做“以人为本的具身智能”
上海张江的傅利叶机器人宣布未来十年将聚焦康养场景，推出具备温度交互、生动理解与主动执行能力的人形机器人，并发布小尺寸人形机器人Fourier N1。公司已进驻全球3000多家终端医院，提供包括康复治疗和人体运动量化研究在内的多种服务。
9年实现爱因斯坦级AGI？OpenAI科学家Dan Roberts谈强化学习扩展的未来
OpenAI 研究科学家 Dan Roberts 在 AI Ascent 上介绍了强化学习和预训练的进步，预测未来 AI 模型将在测试时间扩展方面发挥更大作用，并希望模型能在科学前沿做出重大贡献。他强调需要大规模扩展计算和科学，目标是在 2034 年使 AI 能够进行长达 8 小时的计算与思考。
AI视频神器！腾讯混元HunyuanCustom，角色一致性大突破！
腾讯混元团队发布的HunyuanCustom新工具解决了AI生成视频中角色一致性问题，实现了图像提供身份、文本定义一切的效果。它支持单主角和多主角生成，以及视频局部编辑和音频驱动生成等模式。