首頁
工具
模型
應用
提示詞
新聞
專題
提交收錄
繁體中文
English 日本語 한국어 Português español Deutsch Русский Français 繁體中文 简体中文
選項
首頁 關閉
首頁
工具
分類 排行 封面生成 生成圖片 Skill
模型
大型語言模型 多模態模型
應用
提示詞
提示詞 圖片提示詞
新聞
新聞 快訊
專題
提交收錄
提交APP 提交工具
創建賬號 登入
更改語言 繁體中文 更改語言
設定
English EN 日本語 JA 한국어 KO Português PT español ES Deutsch DE Русский RU Français FR 繁體中文 ZH-TW 简体中文 ZH-CN
首頁
快訊
內容
JerryMoore
JerryMoore
2026-09-24

Meta在Connect大會上釋出了由AI驅動的新硬體，包括起售價為349美元的無攝像頭Ray-Ban Meta音訊眼鏡、售價449美元的第三代Ray-Ban眼鏡，以及計劃於2027年推出的輕量級VR眼鏡。該公司重點介紹了其AI助手Muse，該助手已整合到眼鏡中，並可作為獨立裝置使用，目前已在美區應用商店中名列前茅。Meta旨在將Muse打造為數十億使用者的超級智慧，標誌著其戰略重心向AI整合可穿戴裝置轉移，同時降低對元宇宙的關注。

Meta在Connect大會上釋出了由AI驅動的新硬體，包括起售價為349美元的無攝像頭Ray-Ban Meta音訊眼鏡、售價449美元的第三代Ray-Ban眼鏡，以及計劃於2027年推出的輕量級VR眼鏡。該公司重點介紹了其AI助手Muse，該助手已整合到眼鏡中，並可作為獨立裝置使用，目前已在美區應用商店中名列前茅。Meta旨在將Muse打造為數十億使用者的超級智慧，標誌著其戰略重心向AI整合可穿戴裝置轉移，同時降低對元宇宙的關注。
0
0
分享 點擊複製鏈接
評論 (0)
0/300
提交
作者 HarryLewis HarryLewis 2026-09-24
阿里巴巴達摩院推出達摩鷹（DAMO EAGLE），一款用於食管癌篩查的第四代AI模型。該模型在來自三個國家的8萬例病例中經過驗證，並發表於《自然·醫學》（Nature Medicine），能夠從普通CT掃描中檢測出早期癌症，無需進行內鏡檢查或使用造影劑。其靈敏度達到90%，特異度高達99.2%，且可與現有的肺癌篩查無縫整合。此舉推進了達摩院“普通CT加AI多檢”策略，旨在透過單次掃描檢測中國發病率最高的七種致命癌症，從而提高早期發現率並縮小醫療資源差距。
0
0
/zh-tw/live/7618
作者 JosephScott JosephScott 2026-09-24
中國直播電商市場規模接近7兆元，正從擴張式增長轉向由人工智慧驅動的成熟階段。京東等平台提供免費的人工智慧主播服務，將營運成本降低80%至90%。 儘管抖音正對AI內容進行監管，但業界領袖強調，AI無法取代真人主播在情感連結與建立信任方面的作用。該產業正朝著混合模式演進：由AI負責提升效率與降低成本，而真人主播則專注於個性化互動與品牌忠誠度，這標誌著從折扣驅動的銷售模式，轉向精緻且長期的獲利模式。
0
0
作者 TimothyHernández TimothyHernández 2026-09-24
華為推出「小依工作」，這是一款專為 HarmonyOS 裝置設計的 7x24 個人化助理。它能在雲端與本地環境中自主執行編碼和分析等複雜任務，確保跨裝置的連續性。 新用戶可獲贈 1000 點免費 AI 點數，有效期為 31 天。此次推出凸顯了產業競爭焦點正從單輪生成，轉向辦公室情境中的長任務可靠性與雲端資源調度。
0
0
/zh-tw/live/7616
作者 StevenAdams StevenAdams 2026-09-24
Moonshot 計劃於 2026 年 10 月推出 Kimi K3.1，該版本提供三種推理強度級別：低、高和最大。洩露的配置資訊顯示，Kimi K3.1 支援長達 100 萬 token 的擴充套件上下文，並具備智慧體模式和 Swarm 多智慧體協作功能。Kimi K3.1 基於擁有 2.8 萬億引數的旗艦版 K3 模型構建，旨在增強智慧體協作與任務排程能力，不過其官方效能指標在正式釋出前仍待確認。
0
0
作者 MatthewScott MatthewScott 2026-09-24
騰訊幻元團隊重新定義了大模型強化學習中的批次大小，以提升效率。透過重新校準關鍵批次大小並調整學習率，他們的方法最佳化了線上強化學習演算法，如 PPO 和 GRPO。該方法解決了 rollout 生成與訓練規模之間的不匹配問題，確保每個響應都能有效學習，而不會導致資料稀釋。實際測試表明，在固定硬體上，PPO 的吞吐量提高了 2.29 倍，GRPO 的訓練時間減少了 29%。這一策略使訓練團隊能夠最大化 GPU 利用率，顯著降低成本並加速模型開發，而無需更大的叢集或更厚的資料。
0
0
OR