Gemini Robotics ER 2实战:让机器人理解空间
Gemini Robotics ER 2支持空间推理、目标指向、视频进度判断和多步工具调用。本文讲清机器人接入、验证与安全边界。
Articles
持续追踪人工智能、大模型、AI 工具、算力生态和产业落地动态,用更清晰的列表快速进入重点内容。
Latest
Gemini Robotics ER 2支持空间推理、目标指向、视频进度判断和多步工具调用。本文讲清机器人接入、验证与安全边界。
Claude未来模型将加入文本水印以配合欧盟AI法规。本文解释无隐藏字符、不可追踪个人、检测边界与企业标注策略。
Gemini Omni Flash预览端点临近停用,开发者应迁移到1.1正式版。本文覆盖模型ID、视频延展、插值、分辨率和回归测试。
Lyria 3.5支持最多10张图片配合文字生成音乐。本文讲清视觉情绪提取、提示设计、品牌素材授权与结果验收。
Google Lyria 3.5可生成带主歌、副歌和桥段的完整歌曲。本文讲清结构化提示、样片迭代、版权与发布检查。
Gemini 3.5 Transcribe支持最多1000个自定义词,适合品牌、医学和技术术语。本文讲清词表设计、限制和评测。
Gemini 3.5 Transcribe支持多语言、说话人区分和词级时间戳。本文给出会议纪要与字幕制作的完整流程。
Grok语音转写支持Smart Turn、VAD和超时参数。本文讲清实时对话中的断句、延迟、噪声与客服接入方法。
Grok Voice Transcribe 2.0支持文件或URL转写、说话人识别和关键词偏置。本文给出长音频处理与校对流程。
从Project Swap实验出发,给出企业多Agent谈判的权限边界、报价规则、审计记录、异常检测和人工接管方案。
Anthropic让Claude Agent代表员工交换图书,观察代理如何推荐、谈判和成交。本文分析实验设计、实际价值与失真风险。
Qwen Code Goal可限制最大轮数和活跃时间。本文说明配置、收尾窗口、恢复机制、验收成本及安全停止策略。