llama.cpp releasesAI 評分46
llama.cpp 修復 4D 張量量化丟行與 MoE 張量誤判
llama.cpp 新版本 b11883 修復了 llama-quant 的 4D 張量量化錯誤：原先按 ne[1]*ne[2] 統計行數，導致 4D 張量只有前 ne[2] 個切片被量化、其餘行被丟棄，現改用 ggml_nrows() 統計包含 ne[3] 在內的全部行。
搜尋
找到 5 筆
量子位AI 評分63
千里科技推出內建 10 TOPS NPU 的 AI 4D 毫米波雷達
千里科技推出內建 10 TOPS NPU 的 AI 4D 毫米波雷達，把從天線與波形設計到點雲檢測、測角、增強和目標跟蹤分類的鏈路交給資料驅動模型，並支援邊緣側、衛星架構及兩者並行的相容模式。相比上一代 DSP 方案，其點雲密度提升 10 倍、探測距離提升 40%、鬼影消除提升至 95%、空間角分辨力提升 12 倍，還可通過 OTA 升級感知能力。該雷達對靜止兒童的穩定探測距離為 100 至 150 米。
機器之心● 精選AI 評分69
拓元智慧開源原生 4D 世界動作模型 E0.5，真機成功率超π0.5
拓元智慧開源原生 4D 世界動作模型 E0.5，在 AgileX Piper 雙臂與 Zerith H1 人形真機上整體平均成功率分別為 85.0% 和 88.3%，比π0.5 分別高出 13.3 和 26.7 個百分點。模型以三維基礎模型為骨幹，把未來幾何預測直接融入動作學習，並用超 16 萬條真實機器人軌跡做具身預訓練；H1 的分佈內成功率達 100%，分佈外為 76.7%（π0.5 僅 46.7%）。論文、專案主頁與開原始碼均已公開。
機器之心● 精選AI 評分66
北大、VGI Labs 等提出 DynStream：無位姿流式 4D 高斯重建框架
北京大學王選計算機研究所與 VGI Labs、UC Merced 聯合提出 DynStream，這是首個面向無位姿流式動態場景的大規模 4D 高斯前饋重建框架：輸入未提供相機位姿的 RGB 線上影片流，即可前饋輸出相機軌跡與持續更新的動態場景表示。方法按時間分塊做區域性重建，再借相對位姿預測與尺度因子把各塊聚合進統一世界座標系，併為高斯預測動態機率以分離動靜，聚合無需額外計算。
機器之心● 精選AI 評分94
OpenAI 放出 722 篇數學手稿，稱攻下準黎曼猜想等難題
OpenAI 在 GitHub 倉庫 openai/math 公開 722 篇數學手稿，歸入 372 個成果族，全部由一個尚未發布的內部前沿模型產出。據 OpenAI 說明，模型被投餵約 4000 個研究問題，平均每個結果消耗約相當於 3 小時 ChatGPT Pro 思考的算力，手稿日期幾乎集中在 9 月 23 日至 10 月 5 日。372 族中有 235 族附帶 Lean 形式化，約佔六成三；OpenAI 承認未形式化的結果可能存在問題，且未公布模型名稱。