PAM团队 投稿 量子位 | 公众号 QbitAI 可以输出语义的「分割一切模型2.0」来了！ 一次交互，「分割+识别+解释+描述」全搞定，同时支持图像、视频和长视频，文本&Mask同时输出！ 由港中文MMLab、港理工、北京大学等机构开源的 PAM （Perceive Anything Model）模型，能够在保留SAM2分割一切、追踪一切能力的 基础上，同时输出丰富的语义信息。 为了训练这样一个强大的模型，PAM团队还构建了一个超大规模高质量训练数据集：拥有 150万个图像区域+60万个视频区域标注 实验结果表明，PAM仅使用 3B参数 ，就在多个图像和视频理解基准上全面刷新或逼近SOTA，且具备更优的推理效率和显存占用，真正实现 性能与轻量的统一。 所有数据均已 完全开源 。 PAM：准确定位一键输出 SAM2拥有强大的分割能力，可以"分割一切物体"，在视频中能够高效追踪 任意目标，表现惊艳！ 但它也有一个明显的局限：无法提供定位目标的任何 语义信息 （比如物体是什么、有何功能、处于什么状态等）。 一些最新的 Video LLM 模型尝试结合VLM和SAM2的强大视觉提示能力，进行视频理解。然而： 这些 ...

闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 1900年，数学大师希尔伯特提出23个数学难题，其中第六个问题——"物理学的公理化"，被称为数学物理的终极挑战。 125年后，北大校友邓煜、中科大少年班马骁与陶哲轩高徒扎赫尔・哈尼终于在这一问题上取得重大突破。 在20世纪，关于第六问题，希尔伯特追问： 能否像欧几里得几何一样，为物理学构建严格的数学基础？ 因涉及从微观粒子动力学到宏观连续介质的多尺度关联，这个问题证明起来非常困难。 在微观层面，气体由无数粒子组成，单个粒子运动服从牛顿力学 （时间可逆） 。 在宏观层面，气体的统计行为由玻尔兹曼方程描述 （时间不可逆，趋向熵增） 。 如何从可逆的微观规律，演化出不可逆的宏观行为？ 125年来，无数数学家在此领域折戟沉沙。 爱因斯坦的广义相对论、量子力学的数学框架虽部分实现了公理化愿景，但微观与宏观定律间的逻辑鸿沟始终未被弥合。 终于，三位数学家撕开了这道世纪难题的一角。 他们成功从微观粒子模型推导出宏观气体行为，填补了牛顿力学与玻尔兹曼方程之间的逻辑鸿沟。 首次严格证明了从牛顿力学到玻尔兹曼方程的完整过渡，不仅为统计力学奠定了更坚实的数学基础，更意外地解答了 ...

闻乐 发自 凹非寺 量子位 | 公众号 QbitAI 什么？原以为高考后脑子就不灵了，但其实四十岁之前都是当打之年！ 一项发表于《美国国家科学院院刊》 （PNAS） 的研究，揭开了大脑衰老的神秘面纱，还找到了对抗衰老的关键时间窗口和干预方法。 科学家分析了超1.9万人功能性磁共振成像（fMRI），发现 大脑衰老并不是慢慢发生 的，而是遵循特定的非线性进程，并且与 胰岛素抵抗 增加相关。 此外，研究还发现 酮体 作为一种可绕过胰岛素抵抗为神经元供能的物质，对稳定大脑有显著作用。 并且，酮体在 40-59岁 干预效果最佳。 也就是说，新脑子还能安心用几年，中年再抗衰也不迟（doge 来看看具体研究过程。 S形模型呈现出一种先缓慢变化、然后加速变化、最后又趋于平稳的趋势，这与大脑衰老的实际过程更为相符。 具体来说，在生命的早期阶段，大脑具有较强的可塑性和代偿能力，因此大脑网络的不稳定程度变化较为缓慢。 大脑衰老呈非线性特征，胰岛素抵抗是关键 传统观念可能认为大脑衰老是一个匀速、线性的过程。 该研究通过对人类连接组计划衰老队列（HCP-A）、英国生物银行（UKB）、加州大学伯克利分校人类衰老队列（BU）和荷兰生命周期 ...

明敏 克雷西 发自 凹非寺 量子位 | 公众号 CVPR 2025奖项出炉！谢赛宁苏昊齐获青年学者奖。 该奖项面向 获得博士学位不超过7年 的早期研究工作者，表彰他们在计算机视觉领域的 杰出研究贡献 。 其中，苏昊是 李飞飞 的博士生，他参与了对计算机视觉领域鼎鼎有名的 ImageNet 。 谢赛宁以一作身份和 何恺明 合作完成ResNeXt，同时也参与了MAE，都是计算机视觉领域影响深远的工作。 最值得关注的CVPR 2025 最佳论文奖 也新鲜出炉！ 今年只有一篇论文获奖： 《VGGT: Visual Geometry Grounded Transformer》 ，由Meta和牛津大学联合提出，第一作者为牛津大学 Meta联培博士王建元。 VGGT是首个能在单次前馈中端到端预测完整3D场景信息的大型Transformer，性能超越多项现有几何或深度学习方法，具有广泛的应用潜 力。 Best Student Paper 颁给《Neural Inverse Rendering from Propagating Light》，由多伦多大学、卡内基梅隆大学等联合带来。 它首次提出针对从多视角、时间分辨的光传播视频 ...

克雷西 发自 凹非寺 量子位 | 公众号 QbitAI 就在刚刚的CVPR上，鹅厂3D生成模型 混元3D 2.1 正式宣布开源！ 它可以紧跟潮流，细腻地呈现出当红炸子鸡Labubu。 主打几何与纹理双优化 如开头所述，混元3D 2.1主打的是 几何与纹理的双重优化 。 几何决定了建立出的模型在形状上的精度，纹理则还原模型表面的颜色、光泽和细节表现。 也可以走复古路线，生成纹理精致的青铜器。 总之相比于前一代2.0，混元3D 2.1主打的是 几何与纹理 的双重优化。 特别在纹理贴面上有比较大的优化，可达到当前开源3D模型中的SOTA。 比如这个金属质地的葡萄型摆件，2.1和之前2.0的质感和光泽对比非常明显： 并且混元3D 2.1的 训练代码、模型权重、数据处理流程全部开源 ，支持一键部署，开发者还可以自主精调。 据腾讯介绍，这是首个全链路开源的工业级3D生成大模型，并且达到了闭源级水平，同时还 可适配消费级显卡 。 混元3D 2.1 可生成基础颜色、金属度、粗糙度等指标各不相同的贴图，同时还支持皮革、木质、金属、陶瓷等多种复杂材质的高质量渲染。 比如这组青花瓷制成的小船，可以看到右侧2.1版本生成的结果光泽更 ...

杰西卡 发自 副驾寺 智能车参考 | 公众号 AI4Auto 估值120亿的上海AI独角兽 ，准备在香港上市了。 明略科技，前名为"汇智控股"，也是中国最大的数据智能应用软件供货商，近期在港交所递交了招股书。 北大数院校友 创业19年，累计融资达27轮，获得腾讯、快手、红杉等知名投资方押注。 全球135家《财富》世界500强公司——也就是27%的500强，包括你再熟悉不过的宝洁、麦当劳、可口可乐等等，都已经是他的客户。 值得一提的是，公司旗下平台"微伴助手"，其创始人正是现在 Manus的创始人肖弘 。 谁是明略科技？ 明略科技的定位，是一家 数据智能应用软件 公司。 公司的业务模式是，利用大模型、行业特定知识以及多模态数据，改变企业营销和营运决策及流程，帮助客户收集、整合、管理和分析多模态 数据，生成商业见解。 其产品和解决方案主要可以分为三大类： 首先是 营销智能类 ，主要功能是实现营销数据测量、客户洞察等等营销决策，涵盖客户在所有媒体平台、整个业务流程的各种营销智能需 求。 具体产品包括 秒针系统 、金数据以及基于腾讯生态系统的私域工具等。 其中， 秒针系统 是其最早推出、也是现在收入最多的一大核心产品 ...

仅基于一张参考图像，生成 主 体保持高 度一致 的视频， 多人同台也不串脸 ！ 字节发布多主体视频生成神器—— MAGREF （Masked Guidance for Any‑Reference Video Generation） 。 比如，爱因斯坦版风驰电掣**摩托，效果be like： 字节 投稿 量子位 | 公众号 QbitAI 提供一张图灵 的参考图，也能生成动起来的全身视频，人物面貌服饰在每一帧中保持高一致性，不会逐渐跑 偏： 根据多样文 本 提示，MAGREF可实现"一图千面"： 重要 的是， 不 仅是单一主体生成 。 无论输入 是谁、 来自哪个时 代、风格是否抽象，它都能精准复刻其身份特征，同时根据文本指令渲染出多变 的动作、环境和光影氛围。 MAGREF在不增加模型复杂度的前提下，通过引入掩码引导与通道拼接机制，实现了对多 样参考图像的统一处 理能力。 无论是 单 人演绎、多人物互动，还是人物与物体、背景共同出现在画面 中 ，MAGREF都能生成身份稳定、结 构一致、语义协调的视频序列。 牛顿纵情挥笔绘制大作： 每一位角色的面貌、发型、神态与参考图一致，表情自然，互动合理。 不论是两人同框还是 ...

一水 发自 凹非寺 量子位 | 公众号 QbitAI 字都认识，但是看不懂一点（doge）。 实际上，据清华大学丘成桐数学科学中心网站介绍，韦东奕还在今年5月以主讲人的身份做了这篇论文的报告。 韦东奕论文再登数学顶刊！ 就在备受关注之际，韦神本韦和另两位北大学者章志飞、邵锋合作的一篇论文已发表于数学界顶级期刊《Forum of Mathematics, Pi（数学 论坛，π） 》。 论文题目为《On blow-up for the supercritical defocusing nonlinear wave equation（超临界散焦非线性波动方程的爆破现象研究）》， 通俗来说就是研究某些方程的解在什么条件下会"爆炸"失控。 而经过一系列论证，他们最终发现对于d=4且p≥29，以及d≥5且p≥17的情况，存在一个在有限时间内爆破的光滑复值解。 不清楚具体研究内容不要紧，重要的是 这一成果不仅填补了相关空白，而且其证明方法绕过了传统方法中奇点处理的难点，理论上可推广到 其他非线性偏微分方程的爆破研究。 网友们的反应一致be like： 下面具体来看这项研究讲了啥？ 将散焦方程的爆破性研究扩展至d≥4 从论文 ...

西风 发自 凹非寺 量子位 | 公众号 QbitAI 仅用不到 1200行代码，实现最小化且完全可读的vLLM ！ Dee pSeek研究 员俞星凯 搞了个开源项目引得大伙拍手叫绝。 项目名为 Nano-vLLM （ 纳米 级-vLLM） ，有三大特点： 下面是vLLM与Nano-vLLM在不同硬件和模型配置下的基准测试情况。 在RTX 4070硬件、Qwen3-0.6B模型环境中，设置了256个序列的总请求数，输入和输出长度均在100-1024个 token间随机采样。 测试结果be like： | Inference Engine | Output Tokens | Time (s) | Throughput (tokens/s) | | --- | --- | --- | --- | | vLLM | 133,966 | 98.95 | 1353.86 | | Nano-vLLM | 133,966 | 101.90 | 1314.65 | vLLM略微领先。 二者输出token量相同，vLLM耗时98.95秒、吞吐量为1353.86 tokens/s，Nano-vLLM耗时101.90秒、吞吐量131 ...

鹭羽 发自 凹非寺 量子位 | 公众号 QbitAI 好家伙，机器人进厂打工原视频流出，整整60分钟，完全未剪辑。 前几天Figure 02晒1分钟物流分拣视频，网友们完全没看够啊。 于是Figure创始人立马 60分钟 进厂打工vlog （未删减版） 奉上。 可灵活处理更多类型包裹，更接近人类水平的硬件运动，仔细看机器人在工作时，还会实时查看新数据来观察学习。 可以很轻松地从一堆非结构化的杂乱对象中抽出包裹，并在推走一个包裹的同时，伸手去取另外一个包裹。 要知道，3个月前它还是这样的： 短时间内整体性能飞速提升，到底发生了什么？ 刚刚官方同步释出的完整技术解读文档来答疑解惑了。 受益于高质量演示数据集的扩展，以及对Figure自研的Helix神经网络的 视觉电机策略 （visuo-motor policy） 进行架构改进，机器人在高 速工作负载下的稳定性得以长足发展。 另外通过启动状态感知和力感应，在不牺牲效率的情况下还全面增强了机器人的稳健性和适应性。 更多详细技术细节如下。 数据扩展 将前后两次视频对比，物流任务明显扩展至更多形态的包裹，除了标准的硬纸盒，现在还可以处理聚乙烯袋、信封和其它 可折叠、皱缩 ...