自从GoodFellow提出GAN以后，GAN就存在着训练困难、生成器和判别器的loss无法指示训练进程、生成样本缺乏多样性等问题。为了解决这些问题，后来的研究...

按照正常的逻辑，我生成了一张图，觉得需要优化，用二次编辑的方式定点修改。而不是我生成了一张图，觉得效果不好，但我需要把这张图先下载下来，再上传到Gemini，然后再二次编辑这张图后发给模型修改。具体操作方法是，用Nano生成完一张图后，把这张图下载到本地，然后再上传到Gemini，或者是上传一张需要修改的图。关键操作在于，上传后，不要写完提示词就点提交，先等一下，点击上传的图像到放大页面。所以，当

虽然这个问题链的话题并不是今天讨论的重点，但这种高度清晰可见的过程展示，让用户能够更加清楚的了解AI的工作过程，本身就是一种大模型可解释性的方式，也进一步增加了深度研究搜索过程和结果的可信度和可靠性。比如，在本例中，Gemini在报告的几个关键点上添加了Gemini交互按钮，我们可以点击相关按钮，更深入的理解报告内容。整体来看，Gemini Deep Research应该目前功能最为齐全的深度搜索

该卡片应通过不同的动画效果直观展示以下天气状况：风：（例如移动的云朵、摇曳的树木或风线）雨：（例如落下的雨滴、积水形成）太阳：（例如照射的光线、明亮的背景）雪：（例如落下的雪花、积雪）将所有天气卡片并排显示。但K2的论文还未发布，这1T参数量的模型具体咋训练的，只能等后续论文发布了再看。特别是在年后DeepSeek崛起，六小龙模式岌岌可危的环境下，Kimi能逆势而上，仍然在基座模型上持续发力，颇有

不好意思，有点标题党了，大家都知道DeepSeek是个纯LLM，没有多模态的功能，没法生成视频，出图的功能都没有。完整的技术方案应该是DeepSeek+Midjourney+即梦+剪映。其中DeepSeek用于生成分镜脚本和提示词，Midjourney用于生成分镜首图，即梦用来直接生成分镜视频，而剪映用于最终的剪辑和成片。本文主要展示如何组合使用上述工具，将陶渊明的《桃花源记》生成为1-2分钟的微

比如论文中这个图，传统的PDF文档检索，要经过OCR、布局检测、文本摘要、文档切分（chunking）等一系列处理步骤，一套操作下来，每一页需要7.22秒的时间，可以说非常耗时了。Qwen2.5-Omni是一个端到端的多模态模型，旨在感知多种模态，包括文本、图像、音频和视频，同时以流式方式生成文本和自然语音响应。RAG作为大模型实际落地使用最需要的辅助工具，依靠基础的多模态大模型的能力进步，多模态

作为一个有女儿的爸爸，我第一时间体验了下Gemini的storybook。让我吃惊的是，就这么一个看起来不是很复杂的AI Agent产品，所使用的Agent竟然高达20个！有了初步的使用经验之后，我又加大强度，将我女儿平时的生活照转换为吉卜力风格或者Veo3视频，再用Storybook生成了一套适合我女儿这个年龄阶段的故事绘本。当夜幕降临，我下班回到家，用电脑打开Gemini Storybook，

Hunyuan3D-Paint则利用强大的几何和扩散先验，通过新颖的网格条件多视图生成管道和图像去光照模块，为生成或手工网格生成高分辨率、生动的纹理贴图，确保多视图生成的一致性。现在，我可以用单张3D医学影像，基于混元3D进行三维重建。但混元3D生成系列模型开源之后，在混元3D生成平台，用户仅需要提示词描述和参考图像，即可生成3D内容。在提升3D内容生成质量和效率的同时，也大幅度降低了3D内容创作

从去年的Audio Overview播客生成，到今年的Video Overviews视频生成，再到现在的Slide Deck幻灯片生成，NotebookLM正在从一个AI笔记工具逐渐演变成一站式内容创作平台。然后针对这份报告，我们可以使用右侧的Studio功能将其呈现为PPT、语音播客、视频概览、文字报告、闪卡、测练题、信息图、思维导图，呈现形式可以说是相当丰富了。播客、视频摘要、信息图、PPT等

一个7b的模型，采用LoRA训练通常只需要两张24G的3090或4090显卡即可，并且对数据量要求不高，几百条数据即可开训，半小时内即可训练完成，非常高效。并且LoRA是一种可插拔式的适配器模型，当我们想要实现不同的模型风格效果时，在基础模型不变的情况下，可以训练多个LoRA与基础模型切换和适配，非常灵活。SFT一般需要较多的高质量微调数据，对算力要求也非常高，一个7b的模型，全量微调通常需要参数