
Mozilla当地时间周四公布了一款名为Hello的视频聊天服务,为Web注入移动应用的通信能力。
Hello包含在β版火狐浏览器软件中,使用户可以与其他火狐用户免费进行视频和语音聊天。Mozilla将于未来数周逐步推出这一服务。
过去视频聊天服务很难使用,Skype的问世正值互联网连接和视频压缩技术为视频聊天服务提供了可能之际。视频聊天目前已经普及。
Hello不同于目前的其他视频聊天技术。使用苹果FaceTime、谷歌Hangouts和微软Skype等许多视频聊天服务时,用户必须注册一个帐户。对于Hello,欲发起视频聊天的用户只须向受话方发送一个链接,受话方点击链接双方即可开始通话。
这听起来不像一个独具特色的功能,但它避开了一个难题:无须安装软件或注册相同的服务,用户就可以彼此通话。但是,用户需要选择合适的浏览器。
Mozilla对Hello已经进行了数个月的测试,但现在计划大范围推广这款服务。
Hello采用WebRTC视频和音频聊天技术,WebRTC能在浏览器之间建立点对点连接。火狐、谷歌的Chrome和Opera支持WebRTC,但迄今为止,IE和苹果Safari还不支持WebRTC。
好文章,需要你的鼓励
本文介绍了由南方科技大学等机构于2026年4月发表的研究(arXiv:2604.08865),提出了名为SPPO的大模型推理训练新方法。该方法将推理任务重新建模为"序列级情境赌博机",用一个轻量级价值模型预测题目难度,以单次采样替代GRPO的多次采样,解决了标准PPO的"尾部效应"问题。实验显示,SPPO在数学基准测试上超越GRPO,训练速度提升约5.9倍,配合小尺寸价值模型还能显著降低显存占用。
这项由香港科技大学数学系完成的研究(arXiv:2604.10465,2026年ICLR博客论文赛道)提出了一种从朗之万动力学视角理解扩散模型的统一框架。研究指出,扩散模型的前向加噪和逆向去噪过程,本质上是朗之万动力学这一"分布恒等操作"被拆成了两半。在这个视角下,VP、VE-Karras和Flow Matching等不同参数化的模型可被精确互译,SDE与ODE版本可被统一解释,扩散模型相对VAE的理论优势得以阐明,Flow Matching与得分匹配的等价性也得到了严格论证。
中国人民大学高岭人工智能学院等机构联合开发了AiScientist系统,旨在让AI自主完成机器学习研究的完整工程流程,包括读论文、搭环境、写代码、跑实验和迭代调试,全程无需人工干预。系统核心设计是"薄控制、厚状态":由轻量指挥官协调专业代理团队,通过"文件即通道"机制将所有中间成果持久化存储,使每轮工作都能建立在前一轮积累的基础上。在PaperBench和MLE-Bench Lite两个基准上,系统表现显著优于现有最强对比系统,论文发布于2026年4月。
这项由字节跳动发布的研究(arXiv:2604.13030)提出了生成式精化网络(GRN),一套模仿人类画家"边画边改"直觉的视觉生成新框架。其核心包括两项创新:层级二进制量化(HBQ)通过多轮二分逼近实现近乎无损的离散图像编码,以及全局精化机制允许模型在每一步对整张图像的所有位置重新预测并随时纠错,从根本上解决了自回归模型的误差积累问题。配合基于熵值的自适应步数调度,GRN在ImageNet图像重建(rFID 0.56)和生成(gFID 1.81)上均创下新纪录,并在文本生成图像和视频任务上以20亿参数达到同等规模方法的领先水平。