Signal liunx学习 via 从《自然》封面走向产业一线：清华团队探索世界模型 Sato 2026年6月22日 16:04 Hot: 194 ℃ Abstract: “物理AI要走向真实世界，缺的不是更复杂的Agent（智能体），而是能真正理解环境如何变化的世界模型。”近日，清华大学自动化系副教授封硕表示，世界模型不是突然出现的技术热词，而是物理AI发展过程中被产业需求推到台前的核心命题。它向产业界传递出一个值得关注的信号：物理AI的能力提升，或许正在遵循一条可验证的s... 开源 行业 RSS 阅读全文
Signal liunx学习 via 鸿蒙应用开发中的Web页面帧率异常分析与实战优化 Sato 2026年6月22日 15:58 Hot: 186 ℃ Abstract: 日常使用中，页面滑动流畅度是影响用户应用体验的直观因素，帧率高低直接决定交互手感优劣。帧率代表每秒钟屏幕更新的次数，数值越高画面过渡越顺滑。 然而在实际应用中，受计算资源限制、Web页面或应用实现问题等多种因素影响，滑动过程中可能因渲染内容无法在单帧周期内完成绘制，而导致丢帧，从而影响用户体验。近日H... 开源 行业 RSS 阅读全文
Signal liunx学习 via 阿里发布视频生成模型HappyHorse 1.1：五大维度全面升级 Sato 2026年6月22日 15:30 Hot: 173 ℃ Abstract: 阿里发布视频生成模型HappyHorse 1.1：五大维度全面升级 AI 中文 RSS 阅读全文
Signal python编程 via 线索若隐若现：深入 Tim Cook 和 Nike 的商业连接 Sato 2026年6月22日 14:30 Hot: 176 ℃ Abstract: 一直以来，Apple 和 Nike 之间的商业关系在公众视野里简单明了。但在两者中间，Apple 的前任 CEO Tim Cook 一直扮演着连接者的角色，他和 Nike 之间的关系也因此而显得十分微妙。在本期节目中，我们就来一起深入 Apple、Nike 和 Tim Cook 之间的商业三角关系。 查看全文 效率 数字生活 RSS 阅读全文
Signal liunx学习 via 阿里发布视频生成模型HappyHorse 1.1：五大维度全面升级 Sato 2026年6月22日 14:28 Hot: 195 ℃ Abstract: 6月22日，阿里巴巴发布视频生成模型HappyHorse 1.1，较1.0版本，在动态表现力、主体一致性、指令遵循、视觉质感和音频能力等维度系统性升级。 动态表现力是当前视频生成模型的共同难点。针对1.0版本部分画面动作迟缓、节奏不足的问题，1.1版本优化了运动建模与时序一致性能力，提升了动作的连贯性和力量感。 对于内容生产者而言，保持主体一致性可大大减少抽卡率。1.1版本支持9张角色参考图同时输入，保持商品细节、品牌元素、角色与场景的灵活组合和稳定性，多分镜与 N 宫格参考理解增强。这意味着在多角色短剧、直播带货、多人物广告等场景中，角色“变脸”情况可控。 在指令遵循方面，无论是简短描述还是复杂叙事输入，1.1版本对提示词的理解能力都有所增强。比如对于打斗等高强度动态场景，简洁的提示词便可理解。对于复杂提示词，镜头编排稳定性增强，可高质量完成多场景、多角色的连贯演绎。 1.1版本还在视觉质感和音频上做了专项优化。此前用户反馈集... AI 科技 RSS 阅读全文
Signal liunx学习 via AI硬件席卷618，钉钉A1包揽天猫、抖音、京东销量冠军 Sato 2026年6月22日 14:22 Hot: 164 ℃ Abstract: 同时拿下天猫、抖音、京东三大平台 AI 录音设备销量第一 AI 中文 RSS 阅读全文
Signal liunx学习 via Samsung Electronics brings ChatGPT and Codex to... Sato 2026年6月22日 07:00 Hot: 158 ℃ Abstract: Samsung Electronics deploys ChatGPT Enterprise and Codex to employees worldwide, marking one of OpenAI’s largest enterprise AI rollouts. AI RSS 阅读全文
Signal liunx学习 via How we built an internal data analytics agent Sato 2026年6月20日 00:00 Hot: 192 ℃ Abstract: Qubot, our internal Copilot-powered analytics agent, allows any GitHub employee to ask questions about our data in plain language. Here's what we learned as we built it. The post How we built an internal data analytics agent appeared first on The GitHub Blog . GitHub RSS 阅读全文
