Rilettura accessibile di un paper
I modelli visione-linguaggio-azione guidano i robot senza chiedersi che cosa succederà dopo. Un gruppo di Fudan raccoglie in 69 pagine…
Un laboratorio austriaco sostiene che Whisper sappia già trascrivere esitazioni, ripetizioni e parole troncate, e che il problema sia soltanto…
Il laboratorio di visione di AMAP, la divisione mappe di Alibaba, descrive un world model video che risponde alla tastiera,…
Un gruppo di NVIDIA addestra un solo riconoscitore vocale che trascrive sia a registrazione finita sia in diretta, fino a…
Da una frase o da una foto, un mondo 3D in cui si può camminare; da un video, la sua…
Vast Intelligence Lab e University of Technology Sydney trasformano la generazione di un articolo scientifico, dall'idea al PDF compilato, in…
Un gruppo dell'Università dell'Illinois rilascia un toolkit open source che tratta il debug degli agenti come un ciclo chiuso: rilevare…
Oxford e Meta riprendono VGGT, il modello che da una manciata di foto ricava in un colpo solo camere e…
I modelli che ricostruiscono una scena 3D da una sola foto sbagliano proprio dove la scena è più fine: ringhiere,…
Un gruppo di Alibaba divide l'agente in tre ruoli: uno che tiene il registro del lavoro senza toccare niente, uno…
