Skip to content
Global sound
AI Podcast

AI Podcast

by weedge

Latest episode
深入解析 Seedance 2.0:重塑复杂世界的音视频生成模型

About this podcast

Latest podcasts about AI Technology and Papers.

Episodes

The newest 20 of 427 episodes

  • 深入解析 Seedance 2.0:重塑复杂世界的音视频生成模型 · 9 min探讨字节跳动 Seed 团队最新发布的 Seedance 2.0 原生多模态音视频生成大模型,深度解析其在物理规律模拟、多模态指令遵循及高保真音视频同步方面的技术突破与实际评测表现。
  • 深入揭秘赫尔墨斯:一个真正能够自我进化的底层人工智能系统 · 17 min在本期播客中,我们深度剖析由努斯研究院打造的赫尔墨斯智能体。通过拆解其独创的四层记忆系统、周期性轻推机制以及增量式的技能管理策略,我们将揭示它为何能摆脱传统多智能体的繁冗,实现越用越聪明的自我进化能力,同时全面解读其网关多平台部署与尼比乌斯词元工厂的终极算力方案。
  • AI Radio FM - 探索 Honcho:超越上下文窗口的记忆体与推理 · 12 min深入探讨 Honcho 如何在 LongMem、LoCoMo 和 BEAM 等基准测试中打破记录,并改变 AI 代理的记忆、推理和成本效率。
  • GEPA: 反思性提示词进化超越强化学习的突破 · 13 min在本期播客中,我们将深入探讨来自UC Berkeley、Stanford等机构的最新研究GEPA。我们将讨论为什么基于自然语言反思和多目标遗传算法的提示词优化器,能够在效率和性能上全面超越目前火热的强化学习方法GRPO。准备好迎接一场关于大模型系统优化的头脑风暴吧!
  • AI Radio FM - Technology Channel: 揭秘 CutClaw,让 AI 成为你的专属金牌视频剪辑师! · 9 min本期播客深入探讨了学术论文 CutClaw,带你解析这个强大的多智能体框架如何通过音乐同步和上下文感知,将数小时的原始视频一键剪辑为高质量、卡点完美的短片,彻底颠覆传统的影视后期工作流。
  • Live Avatar: 实时流媒体数字人的无限可能 · 9 min深入探讨Live Avatar技术,了解如何用14B参数的扩散模型实现实时、无限制长度的高保真音频驱动数字人生成。
  • 大语言模型中的功能性情感探秘 · 13 min深入解析Anthropic关于大语言模型情感概念的最新研究,揭秘AI的‘情绪’如何影响其行为。
  • AI Radio FM: 长上下文如何让大模型“偷懒”? · 10 min探讨Yandex最新研究:大语言模型在面对无关的长上下文干扰时,为何会悄悄省略自我验证步骤,大幅缩短推理过程。
  • LPM 1.0: 突破互动角色生成的不可能三角 · 12 min深度解析大型表演模型 LPM 1.0 如何通过全双工视听生成,实现虚拟角色的实时、逼真互动表演。
  • 深度解码:大语言模型的进化与挑战 · 7 min在本期节目中,我们将深入探讨维基百科关于大语言模型(LLM)的全面综述。从Transformer架构的诞生到最新的推理模型如OpenAI o1和DeepSeek R1,我们将分析模型背后的技术细节、训练成本、代理能力以及不容忽视的安全与能源挑战。
  • GLM-TTS:生产级语音合成的未来 · 11 min深入探讨GLM-TTS,一个集高效、可控和高保真语音生成于一体的生产级文本转语音系统。我们将揭秘其创新架构、多奖励强化学习、低成本声音定制以及卓越的语音重建技术,探索AI如何革新我们的听觉体验。
  • Agent-Kernel:大型语言模型驱动的自适应社会模拟微内核多智能体系统框架 · 15 min本期节目,我们将深入探讨Agent-Kernel V1.0,一个革新性的微内核多智能体系统框架。它如何凭借其社会中心化、模块化的架构,有效解决现有框架在适应性、可配置性、可靠性和可重用性方面的痛点,从而实现大规模、真实社会模拟?我们将通过Universe 25实验和浙江大学校园生活模拟的精彩案例,揭示其强大的功能与潜力。
  • 多模态统一理解与生成:AI通用之路的探索 · 13 min本期节目深入探讨了最新的人工智能研究进展,特别是统一多模态理解与生成(UFM)领域。我们将从UFM的演变、核心驱动力、当前挑战,到建模策略、编码解码机制、训练方法、评估基准及未来应用,全面剖析AI迈向通用智能的必经之路。
  • 混元视频1.5:开源视频生成的新标杆 · 13 min深入探讨腾讯混元大模型团队发布的HunyuanVideo 1.5技术报告,揭示其如何在轻量级参数下实现SOTA视频质量、高效推理以及多模态理解的秘密,为创作者和研究者降低视频创作和研究门槛。
  • AI Radio FM - 科技频道:Z-Image模型:小参数,大作为! · 15 min本期节目深入探讨了阿里巴巴集团推出的高效图像生成基础模型Z-Image。我们讨论了该模型如何以60亿参数挑战“不计成本的规模化”范式,通过精细的数据基础设施、创新的单流扩散Transformer架构、优化的训练策略以及高效的推理方案,实现了顶级的图像生成和编辑能力。节目还详细介绍了Z-Image-Turbo的亚秒级推理速度和消费级硬件兼容性,以及Z-Ima…
  • AI Radio FM - Technology Channel: Code2Video 教育视频生成新范式 · 15 min本期节目深入探讨了Code2Video,一个以代码为中心的智能体框架,如何彻底改变教育视频的生成方式。我们详细解析了其三大协作智能体:规划者、编码器和评论家,并介绍了创新性的MMMC基准和TeachQuiz评估指标,揭示了AI在生成高质量、可解释、可控的教育内容方面的巨大潜力。与我们一同探索这一前沿技术如何超越传统像素级生成,为未来的学习体验带来革命性变革。
  • AI电台FM - 科技频道:Krea Realtime 14B 实时长视频生成技术深度解析 · 20 min本期节目,我们深入探讨Krea Realtime 14B模型,一款140亿参数的实时长视频生成AI。我们将揭秘其如何克服现有实时视频模型的局限,实现11fps的文本到视频生成速度,以及它在交互式创意工具领域带来的革命性变革。从核心的“自强制”蒸馏技术,到对抗“曝光偏差”和长视频生成挑战的创新解决方案,我们将一一道来,并展望这项技术的未来。
  • SANA-Video:小模型,大突破——实时高效视频生成新范式 · 11 min欢迎收听AI Radio FM - 科技频道!本期节目,我们将深入探讨SANA-Video,一个能在RTX 5090 GPU上高效运行,生成长达一分钟、720p高分辨率视频的突破性小型扩散模型。我们将揭秘其两大核心创新:线性Diffusion…
  • Qwen3-VL:多模态AI的划时代飞跃 · 13 min深入探讨Qwen3-VL,这一在多模态AI领域取得显著突破的视觉-语言模型。我们将揭示其卓越的性能表现,包括纯文本理解、256K超长上下文处理、高级多模态推理能力,以及其创新的架构升级和精细的训练策略。Qwen3-VL不仅在各项基准测试中表现出色,更将成为未来具身智能、智能体决策和多模态代码智能的基石。
  • 嵌套学习:深度学习架构的幻象 · 10 min本期节目,我们将深入探讨“嵌套学习”这一创新范式,它如何重新定义我们对深度学习模型及其训练过程的理解,揭示现有深度学习方法中的“背景流压缩”机制,并带来如深度优化器、自修改模型和连续记忆系统等突破性技术,最终展示HOPE架构在语言模型任务上的卓越表现。

Live, last hour: 14,846 songs on 7,178 stations in 142 countries

Discover the world through radio

More ways to discover (9)

Heard something good? Save it, or open it straight away in Spotify.

staronlineradioContinue listening