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 ...

数学物理重大突破 - 北大校友邓煜、中科大少年班马骁与陶哲轩高徒扎赫尔・哈尼在希尔伯特第六问题"物理学的公理化"上取得重大突破[2] - 首次严格证明从牛顿力学到玻尔兹曼方程的完整过渡，填补微观与宏观定律间的逻辑鸿沟[11][13] - 意外解答玻尔兹曼时代遗留的"时间箭头之谜"，为统计力学奠定更坚实数学基础[13][35] 研究核心目标与方法 - 核心目标：从弹性碰撞硬球粒子系统推导流体力学基本偏微分方程，完成原子论到连续介质运动定律的推导[14] - 分两步走：先通过"动力学极限"从牛顿定律推导玻尔兹曼方程，再通过"流体动力学极限"推导流体方程[15] - 采用Boltzmann-Grad极限（N→∞，ε→0）证明粒子系统单粒子密度可由玻尔兹曼方程描述[17] 动力学极限突破 - 团队从无限空间气体模型入手降低复杂度，证明牛顿模型可推导玻尔兹曼方程[22] - 通过傅里叶变换将盒子环境粒子轨迹转换为无限空间虚拟轨迹叠加，复用碰撞模式分析方法[22] - 解决"最困难的逻辑断层"，证明牛顿粒子模型在两种环境中均可推导玻尔兹曼方程[22] 流体动力学极限成果 - 当玻尔兹曼方程碰撞率α→∞时，解趋近局部麦克斯韦分布，对应宏观流体参数（密度ρ、速度u、温度T）[24] - 引入克努森数衡量气体稀薄程度，借助Chapman-Enskog展开法分层分析分子分布函数[26][27] - 证明特定条件下玻尔兹曼方程解趋近纳维-斯托克斯方程解，形成"牛顿力学→统计力学→流体力学"完整逻辑链[30][31] 数学家背景 - 邓煜：北大转MIT数学学士，普林斯顿博士，芝加哥大学副教授，研究方向为数学物理与非线性偏微分方程[38][39] - 马骁：中科大少年班，普林斯顿博士，密歇根大学助理教授[41] - 扎赫尔・哈尼：陶哲轩UCLA博士高徒，2011年毕业[43][44]

大脑衰老研究核心发现 - 大脑衰老呈现非线性S形特征，而非匀速线性过程，通过分析19300名参与者的fMRI数据发现衰老轨迹存在加速转折点[6][7][9] - 关键年龄节点：43.7岁（α点）为不稳定加速起点，66.7岁（I点）为衰老速度峰值，之后进入平台期[11] - 神经元胰岛素抵抗是核心驱动机制，导致葡萄糖代谢异常及GLUT4/APOE转运蛋白功能障碍[12][16][17] 酮体干预机制与效果 - 酮体（如D-βHB）可绕过胰岛素抵抗直接为神经元供能，通过非GLUT4途径稳定大脑网络[19][22] - 干预效果存在年龄差异：40-59岁组效果最佳（比20-39岁组提升84.62%），60-79岁组效果减半[24][25][26] - 实验设计：101名21-79岁健康成年人采用自身对照，外源性酮体干预后30分钟MRI检测显示显著网络稳定性提升[20][21][23] 代谢关联与临床意义 - 胰岛素抵抗引发神经元能量供应失调，与血糖代谢异常强相关，大脑区域异质性分析支持该结论[14][15][17] - 中年（40-59岁）被确定为抗衰黄金窗口期，此时干预可有效延缓S形曲线加速阶段[11][26] - 研究数据来源覆盖四大国际队列（HCP-A/UKB/BU/LCS），采用S形模型比线性模型更精准拟合衰老轨迹[6][7][9]

CVPR 2025奖项总结 青年学者奖 - 谢赛宁以一作身份与何恺明合作完成ResNeXt并参与MAE，均为计算机视觉领域影响深远的工作[4] - 苏昊是李飞飞的博士生，曾参与计算机视觉领域知名项目ImageNet[3] 最佳论文奖 - 获奖论文《VGGT: Visual Geometry Grounded Transformer》由Meta和牛津大学联合提出，首次实现单次前馈端到端预测完整3D场景信息[5] - VGGT基于Vision Transformer，采用交替"全局-帧内"自注意力机制，性能超越现有几何或深度学习方法[13][17] - 模型输入支持1-200张图像，输出包含相机参数、深度图、点云图等核心3D属性[15] 最佳学生论文 - 获奖论文《Neural Inverse Rendering from Propagating Light》提出基于物理模型的神经逆向渲染方法，可从LiDAR数据重建场景几何和材质[25][26] - 核心技术包括时间分辨辐射缓存和神经网络加速计算，应用于自动驾驶和虚拟现实领域[27][29] 最佳论文荣誉奖 MegaSaM - 提出改进的深度视觉SLAM系统，能处理动态场景的单目视频，在相机姿态和深度估计方面优于传统方法[32][33] Navigation World Models - LeCun团队开发的可控视频生成模型，能基于视觉观测和导航动作预测未来画面，采用条件扩散变换器技术[38][39] Molmo and PixMo - 72亿参数视觉-语言模型Molmo超越Claude 3.5 Sonnet等闭源模型，配套数据集PixMo完全独立于闭源模型生成[45][48] 3D Student Splatting and Scooping - 改进3D高斯泼溅技术，采用Student's t分布实现正负密度建模，组件数量最多减少82%仍保持质量[53][56]

混元3D 2.1模型发布 - 腾讯在CVPR上宣布开源混元3D 2.1模型，支持生成当红潮流形象Labubu和复古青铜器等多样化3D内容 [1][3] - 该模型是首个全链路开源的工业级3D生成大模型，达到闭源级水平且适配消费级显卡 [9] - 模型提供训练代码、模型权重和数据处理流程全链路开源，支持一键部署和开发者自主精调 [9][28] 几何与纹理双重优化 - 混元3D 2.1主打几何与纹理双重优化，几何优化提升形状精度，纹理优化增强表面细节表现 [5][10][11] - 模型支持生成基础颜色、金属度、粗糙度等不同指标的贴图，并能高质量渲染皮革、木质、金属、陶瓷等多种复杂材质 [12] - 在用户盲测中，混元3D 2.1的PBR纹理质感胜出率高达78% [26] 技术架构升级 - 模型采用"几何-纹理解耦"架构，基于DiT几何架构优化细节建模，提升网格精度和形状一致性 [22][23] - 引入PBR纹理生成技术，模拟光线与材质的物理交互，提升模型在不同光照环境下的视觉一致性 [23] - PBR材质兼容主流渲染引擎如Unreal Engine和Unity，便于跨平台复用 [27] 性能表现与市场反馈 - 相比2.0版本，2.1版本在金属质感、光泽度、纹路细腻度等方面有明显提升 [7][14][18] - 模型可生成手办级别的高精度细节和复杂图案 [20] - 自开源以来，混元3D系列在Hugging Face平台下载量已超过180万次 [31] 生态建设 - 腾讯计划通过全面开源与全球开发者、创作者及研究者共同打造3D开源生态 [33] - 公司将于6月15日举办"玩转混元3D 2.1"直播活动，提供项目地址和体验地址 [34]

公司概况 - 明略科技是中国最大的数据智能应用软件供货商，估值120亿人民币，近期在港交所递交招股书[1][2] - 公司由北大数院校友吴明辉创立于2005年，累计完成27轮融资，投资方包括腾讯(持股27.33%)、快手、红杉等[3][42] - 公司前身为明略昭辉，2019年正式成立集团，核心产品秒针系统已成为中国最大广告数据分析平台[40][41] 业务模式 - 定位为数据智能应用软件公司，利用大模型、行业知识和多模态数据优化企业营销和运营决策[6] - 产品分为三大类：营销智能类(收入占比最大)、营运智能类和行业解决方案[7][12] - 核心产品秒针系统包含媒体支出优化软件、社交媒体管理软件和用户增长软件，占营销类收入超50%[8][23] - 客户覆盖1841家企业，包括135家《财富》500强(占比27%)，如宝洁、麦当劳、可口可乐等[4][16] 财务表现 - 2022-2024年营收分别为12.69亿、14.62亿和13.81亿人民币[20] - 同期毛利为6.76亿、7.33亿和7.13亿，毛利率53.2%、50.1%和51.6%[23][26] - 营销智能产品毛利率最高达73.2%，营运智能约30%，行业解决方案尚不稳定[26][27] - 净利润受公允价值变动影响呈下滑趋势，2024年仅790万[28][29] 研发与资金 - 研发费用从2022年7.51亿(占比59.2%)降至2024年3.53亿(25.6%)[32] - 经营活动现金流净额从5.61亿改善至0.28亿，预计2025年继续优化[35] - 截至2024年末现金储备4亿人民币[36] 行业前景 - 中国数据智能应用软件市场规模预计从2023年303亿增至2028年713亿，CAGR18.7%[47] - 驱动因素包括企业需求增长、多模态数据爆发、技术进步和政策支持[48] - 未来趋势聚焦数据爆炸与隐私保护并重，以及大模型与垂直领域深度结合[52][53] - 行业特定数据和知识将成为核心竞争力，AGI需与业务场景深度融合[54][55]

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 ...

项目概述 - Nano-vLLM是一个开源项目，由DeepSeek研究员俞星凯开发，仅用不到1200行Python代码实现轻量级vLLM框架 [1][6][27] - 项目具有三大特点：快速离线推理（性能媲美vLLM）、可读性强的代码库、优化套件（包含前缀缓存、Torch compilation、CUDA graph等） [6] 性能对比测试 RTX 4070硬件/Qwen3-0.6B模型测试 - 在256个序列请求、输入输出长度100-1024 token随机采样的测试中： - vLLM输出133,966 tokens，耗时98.95秒，吞吐量1353.86 tokens/s [3][4] - Nano-vLLM输出相同token量，耗时101.90秒，吞吐量1314.65 tokens/s [3][4] - vLLM性能略微领先 [3] H800硬件/Qwen3-8B模型测试 - 在1024个序列请求、相同输入输出条件下： - vLLM输出583,802 tokens，耗时98.67秒，吞吐量5916.89 tokens/s [9] - Nano-vLLM输出相同token量，耗时86.73秒，吞吐量6731.42 tokens/s [9] - Nano-vLLM性能反超原框架 [9] vLLM框架背景 - 由加州大学伯克利分校Sky Computing Lab开发，现为社区驱动项目 [16] - GitHub累计获得49.5k+ Star，7.9k Fork [17][18] - 核心技术PagedAttention算法灵感源自操作系统虚拟内存分页机制，解决LLM服务系统内存碎片化问题 [19] - 采用分块存储KV缓存，通过块表动态映射逻辑块与物理块地址 [19][20][21] 技术优势 - 实现KV缓存内存近乎零浪费，支持请求内/间缓存共享 [24] - 相比FasterTransformer和Orca等系统，相同延迟下吞吐量提升2-4倍 [24] - 支持多种硬件平台（NVIDIA/AMD/Intel GPU/CPU、TPU、AWS Neuron）和功能（前缀缓存、多LoRA） [25][26] - 原版vLLM由8500行Python和2000行C++/CUDA代码构成 [26] 开发者背景 - 俞星凯2021年获南京大学计算机科学与技术系学士学位，同年免试录取为该校硕士 [11] - 现为周志华教授领导的LAMDA团队成员 [11]

论文核心观点 - 韦东奕与北大学者章志飞、邵锋合作的论文发表于数学顶刊《Forum of Mathematics, Pi》，研究超临界散焦非线性波动方程的爆破现象[1][2] - 研究填补了d≥4低维情形下超临界散焦方程爆破性研究的空白，并绕过传统奇点处理方法，理论可推广至其他非线性偏微分方程[3][23] - 核心结论：当d=4且p≥29，或d≥5且p≥17时，存在光滑复值解在有限时间内爆破，且爆破速度比临界范数增长更快[20] 研究内容与方法 研究背景 - 此前研究已解决亚临界、临界状态的全局正则性，但超临界散焦方程在d≥4低维情形的爆破性研究几乎空白[12] - 超临界状态（s_c>1）下波的能量更难控制，更易出现爆破现象（解在有限时间内无限大）[13][15] 技术路径 - 结合团队此前关于相对论欧拉方程自相似内爆解的研究成果，将其作为爆破解的"骨架"[16][22] - 论证过程分为五步：模相位分解、自相似解假设、构造近似解、反向时间求解精确解、验证爆破速度[24][25][26] 创新价值 - 方法突破传统奇点处理限制，为理解散焦方程动力学行为提供新视角[23] - 理论可推广至其他非线性偏微分方程的爆破研究，如声波、光波等复杂波动方程[18][19] 作者背景 - 章志飞：北大博雅特聘教授，偏微分方程领域专家，发表150余篇顶刊论文，获国家"杰青"等荣誉[30][31] - 邵锋：北大基础数学博士生，章志飞与韦东奕的共同指导学生[33][34] - 韦东奕曾以唯一作者身份在《Science China - Mathematics》发表流体流动相关论文[36] 学术影响 - 论文成果于2023年5月在清华大学丘成桐数学科学中心由韦东奕主讲报告[6] - 数学领域论文署名按姓氏字母顺序排列，不区分一作二作[39]

机器人技术进展 - Figure 02机器人展示60分钟未剪辑物流分拣视频，处理能力接近人类水平[1][2] - 机器人可灵活处理多种形态包裹（硬纸盒、聚乙烯袋、信封等），并能同时进行多包裹操作[4][10] - 通过实时数据观察学习，机器人具备自适应行为如拍打塑料包装抚平条形码[15] 技术性能提升 - 平均处理速度达4.05秒/包裹，吞吐量提升58%，条形码识别成功率从88.2%升至94.4%[17] - Helix神经网络架构改进包括视觉记忆、状态历史、力反馈三大模块[20][22][26][28] - 新策略使条形码朝下识别成功率提升至94%，处理时间降至4.05秒，精度保持92%以上[30] 系统功能特性 - 端到端学习模型支持人机自然交互，无需程序切换即可响应人类手势传递物品[31][33] - 视觉记忆模块使机器人具备时间背景感，能调用历史图像帧辅助定位标签[23][25] - 力反馈系统形成闭合控制回路，实现精准运动调整以适应不同包裹特性[28] 行业应用反馈 - 技术宅讨论物流机器人仿生外型设计是否最优，提出三头六臂可能更高效[39] - 网友关注机器人参与物流工作带来的效率提升和成本优化潜力[37] - 行业观察者注意到机器人自主学习的条形码处理技巧（如拍打抚平）[15]