X-Era AI拓元智慧开源原生4D世界动作模型E0.5，真机大幅超越π0.5
E0.5，在 AgileX Piper 双臂机器人和 Zerith H1 人形机器人上，经过机器人数据预训练后，它的整体平均成功率分别达到 85.0% 和 88.3%，较 π0.5 分别高出 13.3 和 26.7 个百分点 —— 在与实力不俗的主流基线模型正面较量中，E0.5 依然展现出明显优势。
给多模态大模型选「眼睛」，两个简单改进让评测相关性接近翻倍
这项工作系统研究了一个实际但尚未得到充分验证的问题:如何在完整训练 MLLM 之前，为目标 LLM 选择合适的视觉编码器?
刚刚，首个空间原生的具身视觉基模开源！机器人更会看真实世界了
金磊 发自 凹非寺量子位 | 公众号 QbitAI这一次，机器人更能看懂我们的真实世界了。能看懂到什么程度？我们直接来看一个效果：视频地址：https://mp.weixin.qq.
12项世界第一！国产基模一战封神，11亿参数逆袭70亿大魔王
深扒内幕发现:他们竟然直接抛弃了 DINOv3，从头自研预训练基座，仅用11亿参数暴力干翻70亿大魔王，且宣布重磅开源。
推特吵架吵出篇论文，谢赛宁团队新作iREPA只要3行代码
要说真学术，还得看推特。刚刚，谢赛宁自曝团队新作iREPA其实来自4个多月前的，一次与网友的辩论。这场短暂的线上辩论虽然以谢赛宁被网友说服告终，但在3个多月后，居然有了意料之外的后续——多个团队合作，沿着这一思路写出了一篇完整的论文，而且核心框架仅需3行代码。
更强的模型之后，还需要怎样的AI产品？网易有道首席科学家段亦涛给出实践答案
在2026中国计算机大会（CNCC2026）“从Token到价值：可持续人工智能系统和产品的构建与实践”专题论坛上，网易有道首席科学家段亦涛与来自MiniMax、AMD、浙江大学滨江研究院和久痕科技的嘉宾，共同探讨了一个问题：大模型的能力，怎样才能变成实际的生产力？
谢赛宁REPA得到大幅改进，只需不到4行代码
机器之心报道编辑：Panda邹忌曾经有一个问题：吾与徐公孰美？而对于 REPA，也有一个类似的问题：全局信息与空间结构，哪个对表征对齐更重要？表征对齐（REPA）可通过将强大的预训练视觉编码器的表征蒸馏为中间扩散特征，来指导生成式训练。
如何把AI能力变成用户愿意买单的价值？网易有道与MiniMax、AMD等机构共寻答案
来源：北青网 近日，2026中国计算机大会（CNCC 2026）“从Token到价值：可持续人工智能系统和产品的构建与实践”专题论坛在成都举行。
MiniMax海螺视频团队首次开源：Tokenizer也具备明确的Scaling Law
MiniMax海螺视频团队不藏了！首次开源就揭晓了一个困扰行业已久的问题的答案——为什么往第一阶段的视觉分词器里砸再多算力，也无法提升第二阶段的生成效果？
魔芯科技发布VGGT系列成果，实现动态高保真重建并获新一轮融资
在实验结果层面，HD-VGGT 在多项公开数据集上取得领先结果，特别是在 RealEstate10K 数据集上 AUC@30 达到 87.01%，刷新该数据集的记录。