ParallelComp支持128K长度外推；谷歌推出本地运行Gemini Robotics；清华提出STAIR框架；阿里巴巴开源MNN-TaoAvatar；港大开源GoT-R1 | 06月25日AI资讯

slug

summary

ParallelComp提出了一种新方法，通过并行注意力分块和智能淘汰机制，显著提升大语言模型在超长文本推理中的性能，能够无缝外推至128K长度，且在特定任务中超过GPT-4o的表现，为LLM的实际应用提供了新的解决方案。

谷歌DeepMind推出了首个可在机器人上本地运行的视觉-语言-动作模型Gemini Robotics On-Device，具备强大的任务适应能力和低延迟推理，支持开发者快速微调以适应新任务，标志着向具身智能时代迈进了一步。与此同时，谷歌还下调了部分免费用户的使用额度。

清华团队提出STAIR框架，通过引入系统2思考，提升大模型的安全对齐能力，显著增强模型在越狱攻击下的鲁棒性，同时保持其推理能力。RealSafe-R1模型在此基础上开发，确保安全性与性能的平衡，推动大模型在高风险应用中的安全应用。

TaoAvatar是阿里巴巴开发的3D真人数字人技术，支持在手机和XR设备上实时渲染和AI对话。MNN-TaoAvatar作为开源应用，集成多项AI技术，实现自然交流，具有高效的端侧实时对话和渲染能力，适合在移动设备上运行。

香港大学等团队推出GoT-R1框架，通过强化学习提升多模态大模型在视觉生成中的语义-空间推理能力，克服了传统模型在处理复杂指令时的局限，取得了新SOTA性能，尤其在复杂场景生成方面表现优异。

AI学长小林