寻找最新最佳的Free人工智能。浏览最全面的AI数据库，每日持续更新。
最新
统一运动重定向（UMR）可将人体运动转换为具有不同身体结构的人形机器人的参考轨迹。它使用外部身体几何形状作为通用表示，帮助传输详细的姿势和交互，而无需手动定义一组新的人机骨骼对应关系。
UMR 学习规范姿势中的密集点云对应关系，并将匹配点绑定到人类和机器人网格。然后，约束几何优化在传输接触信息的同时对齐运动。这将重定向接口与原始运
Z1T 是一系列稀疏、类似 Transformer 的研究模型，围绕 Extropic Z1 概率硬件设计。它探讨了神经推理如何利用热力学计算的稀疏连接性，同时保留有用的语言模型行为，从而解决传统密集 Transformer 执行的能源需求。
该方法使用概率位统计对神经计算进行编码，并围绕 Z1 的物理耦合结构设计稀疏操作。推理分
Atlas 是 World Labs 的全方位世界模型，用于创建、重建和模拟空间环境。它结合了文本、图像、视频和 3D 上下文来生成视图和世界表征，支持创意场景开发以及对物理环境和体现智能的研究。
该模型是一个从头开始预训练的多模态自回归扩散 Transformer。输入被组织到一个共享的空间环境中，该环境以 3D 位置的观察为基
UnifoLM-WLA-1.0 是 Unitree Robotics 用于协调操作的通用人形基础模型。一个拥有 60 亿个参数的模型可处理桌面和全身任务，支持两指夹具和多个五指手，旨在跨任务和末端执行器传输功能。
该系统结合了具体推理、动态视觉区域的预测和动作学习。其具体推理器建立在 Qwen3-VL-4B 和超过 500 万个推
Zero-WAM 是一种机器人世界动作模型，可以使用人类演示视频作为上下文任务指令。它针对仅靠语言就无法明确重要细节的操作任务，例如选择正确的对象、理解不熟悉的交互或遵循多阶段程序。
因果视频动作策略可以从语言和人类视频提示中学习。数据管道将采样的机器人轨迹转换为语义匹配的人类演示，在 8,600 项任务中生成 74,200 对。
Viggle-Animate 通过传播对视频帧之一所做的更改来替换视频中的字符。它需要一个驾驶剪辑和一个重新绘制的参考系，旨在保留原始运动、摄像机和时间，同时在整个镜头中传递新角色的外观。
该模型是 MiniMax-H3 参考视频架构的 33.1B 全面微调，提炼为三个前向传递。由于编辑后的参考已经与源姿势和取景相匹配，因此视频阶
YuE2通过将符号音乐创作与音频生成相结合来创作完整的歌曲。它首先制定可编辑的音乐计划，然后渲染人声和伴奏，为音乐家提供在创意迭代之前或期间检查和更改旋律、节奏、和弦、歌词和编曲的方法。
其大约 35.9 亿个参数架构连接符号乐谱、语义音乐标记和声学表示。自回归和非自回归专家共享注意力，同时保留单独的变换。配套的 MERT2 音乐
TimesFM-3 是一种时间序列基础模型，无需针对特定任务进行微调即可预测多个相关信号。它可以将目标历史与辅助变量（例如过去的观察结果和已知的未来事件）结合起来，支持序列之间的关系携带有用的预测信息的预测问题。
3.3 亿参数模型使用修补的时间序列输入以及交替的时间和跨序列注意力。历史信号仍然受到因果约束，而已知的未来协变量则使
VoiceMem 通过组织事实信息以及偏好、个性和情感背景，为语音代理添加持久记忆。它可以在以后的对话中摄取语音并检索相关记忆，帮助助手连续地做出响应，而无需重复包含整个对话历史记录。
其流式双部分架构将模式和实体事实记忆与情感和角色节点分开。音频处理包括转录、说话人信息和其他信号；在将一小部分 top-k 子集注入上下文之前，检
稀疏 3D 运动是一种人形控制研究系统，用于穿越薄而高的结构。它演示了跳跃到猴栏上、在猴栏之间移动以及着陆，使用头戴式激光雷达来感知几何形状，这对于传统的密集地形表示来说是困难的。
基于注意力的编码器和循环记忆处理原始激光雷达返回。分阶段安排的师生管道将单独的跳跃、分叉和着陆专家结合成一个有洞察力的策略。硬件传输包括传感器噪声和执
WorldSculpt 将复杂场景重建为可以单独编辑的完整对象网格的集合。它针对包含数百个对象的密集杂乱环境，使用多个 RGB 观察以及实例蒙版和 3D 框来保留场景结构，同时完成遮挡的几何图形。
该框架采用 Pixal3D 单对象先验和基于空间的多视图调节。 DINOv3 特征被投影到每个对象规范体素网格中并跨视图融合。生成的对
SkySynth，也称为 SkyDiscover-Synthesize，使用编码代理来构建专门用于已知工作负载和部署环境的系统。它针对的是通用数据库、推理引擎或模型路由器带来不必要开销的情况，同时将行为正确性视为优化问题的一部分。
系统随着实施而发展规范。如果需求难以完全形式化，则扩展测试以暴露缺失的约束。在形式推理可行的情况下，
UniMate 从已装配的 3D 资产和跨不同骨骼结构的文本提示生成铰接运动。它的目标是使用一个模型为人类、动物和铰接式物体制作动画，从而减少对特定类别模板、参考运动或每个新骨骼重新训练的依赖。
拓扑感知扩散变压器对关节关系、图形距离、光谱位置和静止姿势骨架进行编码。训练使用 UniML3D，这是 13,006 个文本配对运动序列
视频 DeltaNet 通过混合注意力架构加速视频生成，该架构在压缩远程上下文的同时保留局部细节。其 VDN-H3 实现采用 MiniMax H3 来快速生成文本和帧条件视频，目标是以大幅降低注意力成本实现高视觉质量。
该架构将滑动窗口 softmax 注意力与双向线性记忆相结合。第一个和最后一个帧充当全局锚点，而线性分支处理本地
SolarWM 是一个开放框架，用于训练视频世界模型，支持长视野、摄像机控制的交互。它将大型视频数据管道与训练和推理方法相结合，帮助研究人员构建在训练剪辑持续时间之外保持响应速度和视觉连贯性的环境。
该项目发布了一个包含 143 万个剪辑、25TB 的语料库，带有摄像机注释和过滤工具。通用框架支持 Wan、LTX 和 MiniMa
Ornith-1.5 是一个开源模型系列，它将自我脚手架扩展到端到端的自我改进循环。它涵盖 397B 和 35B 专家混合模型以及 9B 密集模型，针对推理、编码和代理任务。
Ornith-1.5 不再仅仅依赖固定的人工管理任务和手工构建的工具，而是提出新任务、生成特定于任务的支架、推出解决方案，并使用强化学习来改进其策略。随着系
Muse Glimmer 是 Meta 的开放式 300 亿参数模型，适用于始终在线的本地代理。它针对工具使用、本地编码、多模式理解、长上下文记忆以及可在消费者 Mac 或 PC 上运行的代理工作流程进行了优化。
Meta 通过来自更大教师的蒸馏、更长的代理重数据、监督微调、策略蒸馏和强化学习来训练模型。量化可将模型压缩至 20
LLM-as-a-Verifier 是一个通用验证框架，可为跨模式的代理输出提供细粒度的反馈。它将验证视为编码、机器人、医疗任务和其他二进制判断过于粗糙的领域的缩放轴。
该方法使用评分令牌逻辑的完整分布来估计连续奖励和评估不确定性，无需额外训练。它通过更精细的分数粒度、重复评估和评估标准分解来扩展验证，然后使用概率枢轴锦标赛在有限
GeoWeaver 是一个长序列 3D 重建框架，用于将 RGB 视频转换为全局一致的摄像机和点云。它解决了无法联合处理长序列时出现的尺度漂移、姿态错误和块未对齐问题。
几何先验模型预测块深度、置信度和相机参数，然后分层测试时间适应执行顺序初始化、全局 Sim(3) 对齐和从粗到细的细化。密集对应和强大的 CDF 式目标共同优化加