每个机器人服务员的背后，都是一个渴望被看见的灵魂

横扫顶会顶刊！傅里叶变换遇上注意力机制，准确率狂飙！

傅里叶注意力机制，正在颠覆Transformer的底层逻辑！最近，傅里叶变换与注意力机制的结合突然爆火，从清华到MIT，各路顶会论文都在抢发！比如FoPE（傅里叶位置编码），直接干翻传统RoPE，在长文本推理中实现碾压级优势，大海捞针实验准确率飙升30%！ 关键突破在于，傅里叶变换能精准建模频域特征，让注意力机制不再死磕局部细节，而是全局捕捉周期性规律。FANformer架构甚至用傅里叶模块替代部分注意力层，训练效率提升20%，推理速度翻倍！ 想冲顶会的同学注意了：傅里叶注意力在遥感超分、流场预测、医疗影像等领域全面开花，轻量化、多模态融合、长序列建模都是黄金方向！

你能看出来谁是AI生成的伪人吗？？

【Transformer】9分钟认识位置编码 | 数学解析 | 旋转位置编码

什么是位置编码？为什么要在Transformer中引入它？如何理解Transformer中的正余弦位置编码的数学公式？这种编码方式有什么优势？它常用的改进， RoPE旋转位置编码 ，又是怎么实现的？ “明天就稿期了，熬夜肝吧”（叹气）

微软 VibeVoice：一个生成长篇、多说话人、富有表现力对话音频的新框架

欢迎关注我的知识星球：https://t.zsxq.com/FF0He 我会分享最新AI资讯、源代码、回答你的提问。 今天为大家深度介绍微软最新推出的开源语音模型 VibeVoice，这是一个功能极其强大的 AI 模型！ 它不仅能生成长达90分钟的超长音频，还支持最多四人的复杂对话场景。在效果上，VibeVoice 在人类偏好评比中甚至超越了 Gemini 2.5 Pro 和 ElevenLabs v3。 视频中，我将为大家展示： 🔹 VibeVoice 的核心功能，包括中英文声音克隆效果实测。 🔹 唱歌、ASMR、甚至带有背景音乐的播客生成等独特能力。 🔹 深入解析其背后的技术突破，例如超高压缩率如何实现超长音频的生成。 🔹 教您如何使用 ComfyUI 在自己的电脑上本地部署和运行 VibeVoice，无论是 Windows 还是 Mac。 如果你对 AI 语音合成、声音克隆技术感兴趣，千万不要错过这期视频！ 时间戳 00:00 - VibeVoice 模型介绍 00:36 - 声音克隆效果展示 04:56 - 核心技术解析 10:24 - 局限性与使用技巧 12:28 - 本地部署 资源： https://microsoft.github.io/VibeVoice/ https://github.com/Enemyx-net/VibeVoice-ComfyUI

【带ai聊天的发射器，原来也会吃醋.....】

新玩家登场，美团发布并开源MoE大模型LongCat-Flash【AI 早报 2025-08-31】

Intro: 00:00 ⬛️ 美团发布MoE大模型LongCat-Flash: 00:09 🔗 https://longcat.ai 🔗 https://huggingface.co/meituan-longcat/LongCat-Flash-Chat ⬛️ xAI 延长 Grok Code Fast 1 免费期: 00:28 🔗 https://x.com/elonmusk/status/1961677739762790630 🔗 https://x.com/veggie_eric/status/1961877264599306573 ⬛️ Claude Opus 4.1与4.0质量下滑: 00:41 🔗 https://status.anthropic.com/incidents/h26lykctfnsz 🔗 https://linux.do/t/topic/917762 ⬛️ OpenAI新隐形模型King-kedra: 00:56 🔗 https://x.com/kimmonismus/status/1961710849770262872 ⬛️ Grok测试异步聊天: 01:08 🔗 https://x.com/koltregaskes/status/1961840086309650586 ⬛️ Outro: 01:16

AI茶艺大师之争，究竟谁可以夺得冠军之名？

Wan2.2-S2V-GGUF量化版,4步采样,8G显存可玩,批量任务队列,说话数字人,唱歌数字人,支持反推关键词,相关竞品:InfiniteTalk

Wan2.2-S2V-GGUF量化版,4步采样,8G显存可玩,批量任务队列,说话数字人,唱歌数字人,支持反推关键词,相关竞品:InfiniteTalk,基于comfyui,工作流

理解了好几天才发出来 国富论已经过时了？

-

[Science Robotics] 基于注意力的地图编码：面向泛化足式运动控制的学习

四足机器人和类人机器人等足式机器人的动态行走，是扩展移动机器人作业范围中的关键且具有挑战性的课题。其核心在于：当可落脚点稀疏时需要精确的规划、在存在不确定性和外部扰动时保持鲁棒性、并能在多样化地形中展现良好的泛化能力。传统的基于模型的控制器在复杂地形规划方面表现突出，但在真实环境的不确定性下往往力不从心。基于学习的控制器在面对这些不确定性时具备鲁棒性，但在落脚点稀疏的地形上往往缺乏精确性。混合方法通过结合两类方法，在稀疏地形上提升了鲁棒性，但其计算代价较高，并受限于基于模型规划器的固有缺陷。 为在多样地形上实现具有泛化能力的足式机器人动态行走，并同时保持基于学习控制器的鲁棒性，本文提出了一种注意力机制驱动的地图编码方法，该编码由机器人本体感知条件化，并作为端到端控制器的一部分通过强化学习进行训练。实验表明，该网络能够在机器人动态穿越多样且复杂地形时，学会聚焦于未来落脚的可行区域。由此合成的运动行为不仅在应对不确定性时展现出鲁棒性，同时在稀疏地形上实现了精确而敏捷的跨越。此外，我们的方法还提供了一种解释神经网络拓扑感知的途径。 我们分别为一台 12 自由度的四足机器人和一台 23 自由度的类人机器人训练了控制器，并在真实世界的多种复杂室内与室外场景（包括训练中未曾见过的场景）中对所得到的控制器进行了验证。 文章链接：https://www.science.org/doi/10.1126/scirobotics.adv3604