北航清华DriveTeach-VLA：用图像轨迹打通驾驶场景与基模预训练
作者报告了他们在 NAVSIM 和 nuScene 的结果，均超过了已有的 SoTA VLA 模型。其中 NAVSIM 的 PDMS 达到 90.4，而 nuScene 的 L2 误差仅为 0.3。
AI 的眼睛太费电了？这块芯片让"光进来，词元直接出去"
大家好，欢迎收听每日一分钟AI。现在的 AI 越来越聪明，但有个尴尬的难题：它"看"东西，特别费电。为什么？因为 AI 看一张图，背后要跑一串流水线：先拍照，把光转成数字，存起来，搬来搬去，切成小块，最后才翻译成 AI 能读懂的"词元"。
首次探访佳能苏州工厂，对话佳能（中国）高层：12款imageFORCE赢系列新品，用中国制造为中国客户服务
2026年10月23日，佳能（中国）交出了一份重磅的本土化答卷——正式发布全新imageFORCE赢系列12款数码复合机新品，并同步推出“智控打印”与“睿思跃印”两款专为中国企业定制的本土化解决方案。
GPT Image2.5悄悄上线，靠提示语提升AI生图可控性的时代要过去了
所以我需要一个稳定的方式来判断我现在用的是image2还是image2.5，在codex调用图像模型用到的是imagen这个skill，如果你有留意的话，image2是无法直接生成原声透明背景的，但是image2.5把这个明确补充上了，所以一个提示语就可以判断出来是2.5还是2了。
扩散模型的注意力热力图：从生成黑箱走向可解释性
文生图扩散模型（text-to-image diffusion model）一般都包含三个工作组件：CLIP 文本编码器（text encoder）负责把 Prompt 转成 Token Embedding；U-Net 逐步对潜在图像去噪；VAE 将最终的潜在表示解码为像素。
SpatialASM：内化主动心智化的空间推理
港中文 / 上海人工智能实验室 / 复旦 / 上海创新研究院等提出 SpatialASM（arXiv:2610.
5万星开源项目 我实测给AI装命令行 免费帮你省下试错时间
AI 会写代码、会解释报错，可你让它去动你电脑上的软件，它基本就废了——因为它看不见按钮，也点不动鼠标。
Spring Boot 实现扫码登录
场景是真实的：公司风控控制台不允许在办公网之外记密码，PC 端干脆不做账号密码输入框，登录只能靠手机 App 扫二维码。这篇文章把整条链路从零写到能跑，包括票据状态机、SSE 实时推送、Lua 原子状态迁移、二维码生成、多实例部署和一套安全防线。