视觉SSL终于追上CLIP！Yann LeCun、谢赛宁等新作，逆转固有认知
在视觉问题解答（VQA）等多模态环境中，当前视觉自监督学习（SSL）的表现还比不上语言图像预训练（CLIP）。这种差距通常归因于语言监督引入的语义，尽管视觉 SSL 模型和 CLIP 模型通常在不同的数据上进行训练。
赛宁
视觉SSL终于追上了CLIP！Yann LeCun、谢赛宁等新作，逆转固有认知
在视觉问题解答（VQA）等多模态环境中，当前视觉自监督学习（SSL）的表现还比不上语言图像预训练（CLIP）。这种差距通常归因于语言监督引入的语义，尽管视觉 SSL 模型和 CLIP 模型通常在不同的数据上进行训练。
扩散模型推理时Scaling，谢赛宁团队研究可能带来文生图新范式
近日，纽约大学谢赛宁领导的一个团队对这一方向进行了探索。具体来说，他们借助通用搜索框架系统性地探索了扩散模型的推理时scaling情况。他们发现，推理时scaling对扩散模型是有效的——增加推理时间计算可以显著提高扩散模型生成的样本的质量，并且由于图像的复杂
腾讯研究院AI速递 20250120
o3-mini模型将在两周内同步发布API和ChatGPT版本，主打极快速度，但整体性能不及o1 pro；
谢赛宁新作爆火，扩散模型新赛道诞生！性能飙到天花板
划时代的突破来了！来自NYU、MIT和谷歌的顶尖研究团队联手，为扩散模型开辟了一个全新的方向——测试时计算Scaling Law。其中，谢赛宁高徒为共同一作。
谢赛宁新作爆火，扩散模型新赛道诞生！
划时代的突破来了！来自NYU、MIT和谷歌的顶尖研究团队联手，为扩散模型开辟了一个全新的方向——测试时计算Scaling Law。其中，谢赛宁高徒为共同一作。
谢赛宁、李飞飞「空间智能」新作：多模态大模型仍难突破空间推理
人类拥有视觉空间智能，可以通过连续的视觉观察记忆空间。然而，在百万规模的视频数据集上训练的多模态大语言模型（MLLMs）也能从视频中进行“空间思维”吗？
李飞飞、谢赛宁等探索MLLM「视觉空间智能」，网友：2025有盼头了
在购买家具时，我们会尝试回忆起我们的客厅，以想象一个心仪的橱柜是否合适。虽然估计距离是困难的，但即使只是看过一次，人类也能在脑海里重建空间，回忆起房间里的物体、它们的位置和大小。
李飞飞谢赛宁：多模态LLM空间大脑觉醒，惊现世界模型雏形！
李飞飞、谢赛宁团队又有重磅发现了：多模态LLM能够记住和回忆空间，甚至内部已经形成了局部世界模型，表现了空间意识！李飞飞兴奋表示，在2025年，空间智能的界限很可能会再次突破。
大模型觉醒空间意识？李飞飞、谢赛宁再叙空间智能
有着“AI教母”之称的斯坦福大学教授李飞飞又有新发现——尽管空间推理能力依然薄弱，但多模态大模型已经能够记住和回忆空间，甚至内部已经形成了局部世界模型，表现出了空间意识。
李飞飞谢赛宁新作「空间推理」：多模态大模型性能突破关键所在
当前，即使是最先进的多模态大模型，在空间认知方面与人类相比仍有显著差距，测试中约71%的错误都源于空间推理方面的缺陷，即空间推理能力是当前主要瓶颈。
南京赛宁申请网络靶场自适应组网专利，能够简化操作提高项目交付效率
国家知识产权局信息显示，南京赛宁信息技术有限公司申请一项名为“一种网络靶场自适应组网方法与系统”的专利，公开号CN 119155158 A，申请日期为2024年11月。