Follow 微软亚洲研究院 Articles's news and updates in a matter of seconds! We will deliver any update via email, phone or you can read them from here on the site on your own news page.
You can even combine different feeds with the feed for 微软亚洲研究院 Articles.
Subscribing and unsubscribing is fast, easy and risk free.
The whole service is free of cost.
微软亚洲研究院 Articles: Your request has been blocked. This could be due to several reasons.
Is this your feed? Claim it!
在 AI 时代，当文生图早已是秒出“大片”，文生视频也能复刻好莱坞级特效时，3D 生成却仍停留在难以令人满意的阶段——细节模糊、结构失真，缺乏立体感。
当你满怀期待地输入“一个透明的玻璃瓶”，AI 却只给出了一个实心的“泥疙瘩”。当你想要一座椰林摇曳、白沙碧海的海滨小镇，得到的却是橡皮泥捏成的模糊雕塑。你希望生成一棵枝叶轻盈飘逸的枫树，AI 却无法完整还原枝叶的自然形态与立体结构。
以上种种都是当前 3D 生成模型普遍存在的问题：远看轮廓尚可，一旦拉近观察，或试图进入其内部结构，便处处都“没眼看”了。
近期，微软亚洲研究院发布了 TRELLIS.2，不仅能够生成涵盖金属、塑料、玻璃、木材、水纹等丰富材质的 3D 物体，更能完整构建物体内部的几何结构。TRELLIS.2 既能呈现轻薄...
《AI Next》是微软亚洲研究院推出的一档利用 AI 技术制作的播客，内容聚焦 AI 前沿技术、科研趋势与社会影响。第一季主要围绕当今智能发展的核心议题，探索前沿趋势。
在《AI Next》第四期中，我们邀请到微软亚洲研究院首席科学家韦福如，从第一性原理出发，与大家探讨当前 AI 发展中最核心、具有争议的前沿问题。为何 Scaling 仍是 AI 的第一性原理，但必须走向“科学规模化”；为什么 AI 已能很好地解决 In-Distribution 问题，却仍未真正学会“学习本身”；为何下一次决定性跃迁，来自学习范式而非单纯工程优化。从基础研究到产业化路径，让我们共同开启这场关于 AI 下一代范式迁移的深度对话。
嘉宾介绍
...
编者按：如今，大模型和生成式人工智能的爆发正把计算推向前所未有的复杂境地：硬件以惊人的速度迭代，应用负载瞬息万变，而传统系统却仍被束缚在过往的固化规则中。面对这种“上下皆动”的挑战，刘璟和同事正试图在人工智能的不可预测性与系统的刚性之间，为操作系统注入全新的自主适应能力。
在计算机科学的世界里，系统一直扮演着沉默的基石角色，它托举着上层应用的高效运行，却深埋于底层硬件的复杂逻辑之中。对微软亚洲研究院高级研究员刘璟而言，这个由0与1构筑的底层世界深深吸引着她。在她眼中，这是一片充满了独特秩序之美与创造可能性的沃土。
面对传统系统的僵化与人工智能带来的复杂环境，刘璟正试图为系统研究开辟一条全新的发展路径——构建能够自主适应、动态调整的系统栈，让系统真正适应人工智能时代的不确定性与多样性。
...编者按：数据稀缺是目前限制通用机器人操作大模型进展的重要因素之一。基于遥操的机器人轨迹获取成本高、多样性不足、本体多变，难以获得支撑大模型预训练的海量数据。在人形机器人的发展路径中，人类可被视为最重要的参考形态之一。因此，直接使用真实的人类数据进行预训练，比用机器人数据具有更大的潜力。因为人类的形态和动作模式更稳定、通用，人类数据规模大、多样化且易于获取，更可能达到规模化，以提升模型的泛化能力。
基于这一理念，微软亚洲研究院的研究员们提出了一套全自动方法 VITRA，能够将无标注的真实的人类活动视频转化为与机器人训练数据格式完全对齐的数据。这一方法不仅破解了机器人模型训练数据匮乏的难题，更为 VLA 模型的预训练开辟了一种可规模化、可扩展的新范式。
当你看到机器人开始参加跑步比赛、在舞台上扭秧歌时，...