V-JEPA-LM发布:让视频语言模型真正读懂动态,4B模型跑赢8B

研究者提出用“反事实监督”训练语言模型真正读取V-JEPA视频编码器中的动态信息,发布1B至8B的V-JEPA-LM系列模型,其中4B模型在11项视频基准上均分达72.1,超过公开8B模型。这指向一条与主流视频大模型不同的技术路线。

研究者提出用“反事实监督”训练语言模型真正读取V-JEPA视频编码器中的动态信息,发布1B至8B的V-JEPA-LM系列模型,其中4B模型在11项视频基准上均分达72.1,超过公开8B模型。这指向一条与主流视频大模型不同的技术路线。

2026 年 11 月 15 日,Nan Yu 在 X 上发帖寻找能让 Codex 像“另一台电脑”一样接入的家庭自动化中枢。这并非产品发布,真正值得关注的是:用户已开始把前沿大模型当成智能家居的控制层,而不再只是聊天工具。

阿里千问于2026年11月16日发布Qwen4-Max,基于新架构在保持原生视觉与百万token上下文的同时,把单任务费用压低58%,并给出低至每百万token 0.5元的缓存命中价。

字节跳动旗下火山引擎宣布,Seedance 2.5 4K 视频生成模型的 API 于 11 月 16 日全面开放,开发者和企业客户可直接调用;相比该模型 10 月 23 日发布时的状态,这次变化让其 4K 生成能力进入规模化接入阶段。

英伟达机器人学习工程师戴士钦公开宣布离职,并把黄仁勋突然离任列为关键原因。这并非产品发布,但让外界第一次看到核心员工如何看待英伟达领导层交接与文化延续问题。

据 AIbase 2026年11月16日报道,DeepSeek 对 App 和网页版的长对话使用作出限制,涉及7天不活跃对话历史、单次约4万字符输入和每日对话额度,直接原因是算力资源压力。

arXiv 新论文提出 AscendGYM,一个面向昇腾 NPU 的内核优化基准,初始含 48 个内核、三级难度,测试用例取自真实训练与推理负载,并引入兼顾加速比与 token 成本的 STS 指标。

据 Epoch AI 分析师 Ben Cottier 的比较,华为位于内蒙古和林格尔的 AI 数据中心算力规模约为 SpaceX 旗下 Colossus 2 的 7%,且这一差距可能至少持续到 2028 年。这为中国头部 AI 算力设施与全球最激进扩建项目之间的量级差异提供了一个具体参照。

一篇 arXiv 新论文提出,不再用固定阈值或每轮重聚类来判断行为聚类何时分裂、合并或淘汰,而是让大模型基于整体统计与标签语义直接做决策,并在三个公开数据集上取得更高 F1。这值得关注,因为它把“维护成本”而非“聚类本身”变成了优化对象。

一篇 arXiv 新论文把粉末 X 射线衍射(pXRD)的晶体结构解析重新定义为“可验证的智能体搜索”,发布 200 题基准 pXRD-Bench,并报告智能体适配后结构恢复率从 27% 提升到 69%。这关系到自驱动材料实验室的自动化瓶颈能否被大模型推理部分绕过。