HyperAI hat vom 17. bis 21. November eine Reihe äußerst wertvoller und breit anwendbarer Tutorials und Datensätze zusammengestellt, die verschiedene Bereiche wie Videogenerierung, Bildbearbeitung und OCR abdecken.
Meituan hat sein neuestes Videogenerierungsmodell LongCat-Video als Open Source veröffentlicht. Ziel des Modells ist es, verschiedene Videogenerierungsaufgaben über eine einheitliche Architektur zu bewältigen, darunter Text-zu-Video, Bild-zu-Video und Videofortsetzung.
Teams aus mehr als zehn Forschungseinrichtungen weltweit, darunter die University of California, Berkeley, die University of Cambridge und die University of Oxford, haben zusammengearbeitet, um AION-1 zu starten, die erste groß angelegte multimodale Fundamentalmodellfamilie für die Astronomie.
Empfehlungen für KI-Papiere (17.-21. November)
Im Frühjahr 2025 wurde Fei-Fei Li mit dem Queen Elizabeth Engineering Prize ausgezeichnet, in Anerkennung ihrer grundlegenden Beiträge zu den Bereichen Computer Vision und Deep Learning.
Ein Forschungsteam der Universität Toronto und des Clean Energy Innovation Research Centre des National Research Council of Canada hat MOF-ChemUnity vorgeschlagen: einen strukturierten, skalierbaren und erweiterbaren Wissensgraphen.
Ein gemeinsames Team der University of Maine, Google und der Harvard University hat die „Spherical Harmonic Dirac Function (SHDD)“ und ihr integriertes Framework LocDiff vorgeschlagen.
Die „Ein-Klick-Bereitstellung von Yolov13“ ist jetzt im Bereich „Tutorials“ auf der HyperAI-Website verfügbar. Laden Sie einfach ein Bild hoch, um sofort präzises Feedback zur Zielerkennung zu erhalten. Probieren Sie es aus!
Sakana AI, gegründet von Llion Jones, einem der Autoren des Transformer-Papers, hat den weltweit ersten „KI-Wissenschaftler“ auf den Markt gebracht, der in der Lage ist, autonom Forschungsfragen vorzuschlagen, Experimente zu entwerfen und wissenschaftliche Arbeiten zu verfassen, was in der globalen wissenschaftlichen Gemeinschaft für Aufsehen sorgte.
Das Startup Lila Sciences gab den Abschluss einer neuen Finanzierungsrunde bekannt und sammelte in seiner Serie-A-Finanzierungsrunde 350 Millionen US-Dollar ein, wodurch sich die Gesamtfinanzierung auf 550 Millionen US-Dollar erhöht. Mit diesem Finanzspritze erreicht das Unternehmen offiziell den Status eines Einhorns.
Ein Team des MIT, der University of Wisconsin-Madison und anderer Institutionen hat eine Methode namens AutoSciDACT vorgeschlagen, mit der sich die Erkennung von „neuen Entdeckungen“ in wissenschaftlichen Daten automatisieren lässt und so die wissenschaftliche Forschung vereinfacht wird.
Im Jahr 2025 brachte der Open-Source-Pionier Stability AI sein Produkt für Unternehmen, „Stability AI Solutions“, auf den Markt und vollzog damit den Übergang vom Open-Source-Idealismus zur kommerziellen Realität.
„DeepSeek-OCR: Visuelle Komprimierung ersetzt herkömmliche Zeichenerkennung“ ist jetzt im Bereich „Tutorials“ auf der HyperAI-Website (hyper.ai) verfügbar. Mit einem Klick einsetzen und ausprobieren!
HyperAI hat vom 3. bis 7. November eine Reihe äußerst wertvoller und breit anwendbarer Tutorials und Datensätze zusammengestellt, die verschiedene Bereiche wie Echtzeit-Objekterkennung, Biomedizin, Geowissenschaften und OCR abdecken.
Ein gemeinsames Forschungsteam der Columbia University und der Stanford University entwickelte das Squidiff-Computerframework, mit dem sich transkriptomische Reaktionen in verschiedenen Zelltypen unter Differenzierungsinduktion, Genperturbation und Arzneimittelbehandlung vorhersagen lassen.
Ein Forschungsteam unter der Leitung von Professor David Baker von der University of Washington hat PLACER entwickelt, ein Graph-Neuronales Netzwerk, das die Strukturen verschiedener kleiner organischer Moleküle anhand ihrer atomaren Zusammensetzung und Bindungsinformationen präzise generieren kann.
Mercor wurde von drei Studienabbrechern im Alter von nur 22 Jahren gegründet und sammelte in weniger als drei Jahren 350 Millionen US-Dollar in einer Serie-C-Finanzierungsrunde ein. Das Unternehmen nutzt ein KI-gestütztes Rekrutierungsmodell, um die Effizienz traditioneller Rekrutierungsmethoden deutlich zu steigern.
Ein gemeinsames Team der ETH Zürich und anderer Institutionen hat ein Deep-Learning-Framework namens NOBLE entwickelt. Es handelt sich dabei um das erste groß angelegte Deep-Learning-Framework, dessen Leistungsfähigkeit anhand experimenteller Daten aus der menschlichen Großhirnrinde validiert wurde.
Enthält ein Tutorial zur Bereitstellung per Mausklick
vor 22 Tagen
Demis Hassabis, CEO von Google DeepMind, ziert das Cover der TIME 100-Liste des Time-Magazins.
Liam Fedus, ehemaliger Vizepräsident von OpenAI, leitet ein Team von über 20 Elitewissenschaftlern, die sich dem Projekt „KI für die Wissenschaft“ widmen.
Die University of California hat OmniCast entwickelt, das das Problem der Fehlerakkumulation bei autoregressiven Methoden deutlich verringern kann und gleichzeitig in der Lage ist, Wetterdynamiken über die Anfangsbedingungen hinaus zu erlernen.
Am 28. Oktober um 12:00 Uhr Eastern Time fand die NVIDIA GTC-Konferenz erstmals in Washington, dem politischen Zentrum der USA, statt. CEO Jensen Huang hielt dort eine Keynote-Rede, in der er Telekommunikation, Quantencomputing, KI-Fabriken, Enterprise Computing, Robotik und weitere Bereiche behandelte und den neuen Plan für eine führende Rolle in den Bereichen KI-Infrastruktur und Innovation vorstellte.
Ein Forschungsteam des IMDEA Materials Research Institute in Spanien hat die halbautonome digitale Plattform Reac-Discovery gestartet, die innovative Lösungen für fortschrittliche katalytische Reaktoren auf der Basis periodischer offener Porenstrukturen bietet.
HyperAI hat vom 20. bis 24. Oktober eine Reihe wertvoller und weit verbreiteter Tutorials und Datensätze für jedermann zusammengestellt, die eine Vielzahl von Bereichen wie Biomedizin, HPC, mathematisches Denken und Textinformationsextraktion abdecken.
10.20-10.24 Empfehlungen für KI-Papiere
Das MIT hat mit mehreren Institutionen zusammengearbeitet, um BoltzGen auf den Markt zu bringen. Dabei werden herkömmliche diskrete Restbezeichnungen durch geometrische kontinuierliche Darstellungen ersetzt, um ein gemeinsames Training der Proteinfaltung und des Binderdesigns zu erreichen.
Mehrere Teams bei Google haben gemeinsam „Earth AI“ vorgeschlagen. Dabei wird der Gemini-gesteuerte Reasoning-Agent verwendet, um eine tiefgreifende Zusammenarbeit mehrerer Modelle und ein mehrstufiges gemeinsames Reasoning zu erreichen und so die Erdsystemforschung in Richtung umsetzbarer globaler Erkenntnisse voranzutreiben.
„HuMo-1.7B: Ein Framework zur multimodalen Videogenerierung“ ist jetzt im Bereich „Tutorials“ der offiziellen Website von HyperAI (hyper.ai) verfügbar. Kann das Modell mit weiteren Informationen ein Video erstellen, das Sie zufriedenstellt?
Das MIT-Forschungsteam hat SpectroGen vorgeschlagen, das eine modalübergreifende Spektrumgenerierung mit einer Korrelation von 99% mit experimentellen Ergebnissen mit nur einer einzigen spektralen Modalitätseingabe erreichen kann.
