- 我的订阅
- 头条热搜
我们正处于一个信息大暴发的时代，每天都能产生数以百万计的新闻资讯！
虽然有大数据推荐，但面对海量数据，通过我们的调研发现，在一个小时的时间里，您通常无法真正有效地获取您感兴趣的资讯！
头条新闻资讯订阅，旨在帮助您收集感兴趣的资讯内容，并且在第一时间通知到您。可以有效节约您获取资讯的时间，避免错过一些关键信息。
【新智元导读】Meta首个理解图文的多模态Llama 3.2来了！这次，除了11B和90B两个基础版本，Meta还推出了仅有1B和3B轻量级版本，适配了Arm处理器，手机、AR眼镜边缘设备皆可用。Llama 3.1超大杯405B刚过去两个月，全新升级后的Llama 3....……更多
2024-09-27 13:39:00模态,宝宝,模型,图像,训练,文本
...出了一种新颖的多步误差最小化（MEM）方法，用于生成多模态不可学习样本，以保护个人数据不被多模态对比学习模型滥用。通过优化图像噪声和文本触发器，MEM方法有效地误导模型，降低其对隐私数据的学习能力，并在不同模...……更多
2024-08-02 09:55:00误差,中科院,隐私,方法,数据,学习
【新智元导读】NVLM 1.0系列多模态大型语言模型在视觉语言任务上达到了与GPT-4o和其他开源模型相媲美的水平，其在纯文本性能甚至超过了LLM骨干模型，特别是在文本数学和编码基准测试中，平均准确率提高了4.3个百分点。文本...……更多
2024-09-24 13:36:00英伟,模态,文本,性能,模态,模型
...像与语音识别能力。本月初，微软更是公布了 166 页的多模态版 GPT-4V 的相关文档，详细探讨了 GPT-4V 的功能和使用情况，这一举动引起了业界的广泛关注。然而，在视觉语言模型的角逐中，谷歌也不甘示弱。
近日，Google Research...……更多
2023-10-17 16:31:00更快,模型,视觉,语言,训练,模型
在当今多模态领域，CLIP 模型凭借其卓越的视觉与文本对齐能力，推动了视觉基础模型的发展。CLIP 通过对大规模图文对的对比学习，将视觉与语言信号嵌入到同一特征空间中，受到了广泛应用。然而，CLIP 的文本处理能力被广...……更多
2024-11-28 09:59:00模态,教会,文本,升级,数据,模态
...同完成，是全球首个同时支持文本描述、图像、点云等多模态输入的计算机辅助设计（CAD）生成大模型。计算机辅助设计（Computer-Aided Design，简称 CAD）软件是工业软件的重要分支，也是工业设计流程中的核心工具。然而，目前...……更多
2024-11-26 09:46:00一键,模态,高质量,生成,模型,图像
...进模型在视觉推理方面同样不足。为此他们提出了一种多模态的视觉推理基准，并设计了一种新颖的数据合成方法。无论是语言模型还是视觉模型，似乎都很难完成更抽象层次上的理解和推理任务。语言模型已经可以写诗写小说...……更多
2024-08-08 16:23:00模态,领衔,基准,推理,视觉,能力
...客之姿杀入江湖的Mistral AI，在9月份甩出了自家的首款多模态大模型Pixtral 12B，如今，报告之期已至，技术细节全公开。作为欧洲的OpenAI，Mistral最近压力不小。端侧小模型端不出来，对比评测的结果又遭到质疑。上个月震撼登场...……更多
2024-11-20 09:43:00模态,竞技场,竞技,报告,技术,模态
...人员于在 2023 年 10 月低调发布的一个名为 Ferret 的开源多模态大模型也没有收到太多关注。当时，该版本包含代码和权重，但仅供研究使用，而非商业许可。但随着 Mistral 开源模型备受关注、谷歌 Gemini 即将应用于 Pixel Pro 和 Andr...……更多
2023-12-26 14:06:00模型,生态,模态,零碎,苹果,模型
...并实现部分专利产学研转化落地应用。以GPT-4o为代表的多模态大语言模型（MLLMs）因其在语言、图像等多种模态上的卓越表现而备受瞩目。它们不仅在日常工作中成为用户的得力助手，还逐渐渗透到自动驾驶、医学诊断等各大应...……更多
2024-07-25 09:31:00模态,清华,可信度,领衔,可信,几何
... OpenAI o1 技术的深入分析累计点击量已超过 15 万。如何全模态大模型与人类的意图相对齐，已成为一个极具前瞻性且至关重要的挑战。在当前 AI 领域的快速发展中，「有效加速」和「超级对齐」已经成为两个主要的发展动向，...……更多
2024-10-18 09:47:00模态,指令,框架,模态,模型,数据
...灵奖得主Yoshua Bengio教授。博士期间的主要工作聚焦于多模态、GFlowNet、多智能体强化学习、AI于气候变化的应用。目前已在ICML、ICLR、ICASSP等机器学习顶会发表论文。代表作为Large-scale Contrastive Language-Audio Pretrai……更多
2024-06-29 09:37:00模态,基准,弱点,团队,模型,任务
...实现AGI（通用人工智能）的重要里程碑。券商建议关注多模态技术Sora视频一出，立刻震惊业界。360集团创始人、董事长周鸿祎2月16日在微博发文表示，这意味着AGI实现将从10年缩短到1年。其实，Sora出现之前，也有其他类似的AI...……更多
2024-02-19 08:10:00颠覆,布局,行业,视频,公司,模型
...Meta最近开源了多个AI项目，包括图像分割模型SAM 2.1、多模态语言模型Spirit LM、自学评估器和改进的跨语言句子编码器Mexma等，提升了AI在图像处理和语音识别领域的能力，进一步推动了AI研究的进展。开源绝对是AI如今发展迅猛的...……更多
2024-11-28 12:02:00一文,大礼包,大礼,安全性,语音,图像
...手写英文准确翻译成中文、还能精准分析财报数据……多模态能力再次升级！今天，阿里国际AI团队发布了一款多模态大模型Ovis，在图像理解任务上不断突破极限，多种具体的子类任务中均达到了SOTA（最新技术）水平。多模态...……更多
2024-09-20 13:35:00模态,阿里,模型,能力,升级,国际
...随着大模型技术日益成熟，vivo在语言、图像、语音、多模态等全模态的AI技术上逐步升级为大模型能力，正从传统的AI技术时代迈向大模型AI技术时代。vivoAI算法技术总监李方圆全新蓝心大模型带来4项核心升级：1、语言大模型升...……更多
2024-10-14 01:53:00开发者,模型,惊喜,用户,开发,模型
...候选选项、引入纯视觉输入设置）更严格地评估模型的多模态理解能力；模型在新基准上的性能下降明显，表明MMMU-Pro能有效避免模型依赖捷径和猜测策略的情况。多模态大型语言模型（MLLMs）在各个排行榜上展现的性能不断提...……更多
2024-09-18 13:31:00模态,史诗,基准,难度,问答,文本
...晨，美国科技公司OpenAI在春季发布会上发布了最新GPT-4o多模态大模型。据OpenAI公司首席技术官米拉·穆拉蒂（Mira Murati）介绍，GPT-4o可以接收文本、音频和图像的任意组合作为输入，并实时生成文本、音频和图像的任意组合进行...……更多
2024-05-14 13:59:00进一,模态,易用,易用性,人机,模型
...者刘峣）近日，北京智源人工智能研究院正式发布原生多模态世界模型Emu3。该模型实现了视频、图像、文本三种模态的统一理解与生成，成功验证了基于下一个token（词元）预测的多模态技术范式，释放其在大规模训练和推理上...……更多
2024-10-24 05:12:00模态,北京,研究院,模型,研究,世界
...Qwen-VL-Plus，与GPT-4V正面硬刚，这个有着SOTA级别性能的多模态大模型真正做到了“人无我有，人有我优”。继2023年4月的初级版本、2023年10月的LLaVA-1.5之后，2024年1月31日，微软研究院又联合威斯康星大学麦迪逊分校和哥伦比亚大...……更多
2024-02-10 21:04:00性能,模型,模态,训练,数据,卷上
...VAR指出是因为自回归模型逐个预测token的行为不符合图像模态的特点，提出“next-scale prediction”范式，将视觉自回归建模为逐个预测更大尺度scale的token map。这一方式避免了原始基于next-token的自回归方案难以建模图像模态的问题...……更多
2024-06-27 09:17:00范式,仅需,高质量,生成,模型,图像
...刚刚显现，未来还存在巨大的探索空间。第二个是关于多模态理解和生成的统一。在当前「scaling law 撞墙」的相关讨论中，多模态其实是一个被寄予厚望的方向。但是，这个领域目前面临一个严峻的挑战，即多模态的理解和生成...……更多
2024-11-27 13:32:00潜力,模型,图像,起点,领域,还是
...究团队及其合作者旨在为足球视频理解开发一个全面的多模态框架。具体来说，他们做出了以下贡献：（1）他们提出了 SoccerReplay-1988，这是迄今为止最大的多模态足球数据集，其中包括来自 1988 场完整比赛的视频和详细注释，...……更多
2024-12-10 09:53:00模型,语言基础,清华,定律,密度,团队
...的？后训练功不可没从前述体验看，GPT-4o的反应速度和多模态能力令人印象深刻。OpenAI首席执行官阿尔特曼直言，新的GPT-4o是OpenAI“有史以来最好的模型”。那么，GPT-4o的多模态能力是如何“炼”成的呢？这背后的秘密或许可以...……更多
2024-05-19 14:21:00维度,深度,能力,体验,模型,训练
...统、模型训练与数据集开发于一体。现阶段，将模型的多模态理解与长上下文能力相结合是非常重要的，支持更多模态的基础模型可以接受更灵活的输入信号，以便人们可以以更多样化的方式与模型交互。而更长的上下文使模型...……更多
2024-08-22 09:51:00英伟,准确率,支持,视频,序列,训练
...张鹏则表示，对于Sora的出现，他并不吃惊，因为立足多模态领域的深耕，智谱也正在做这件事。如今，“清影”面世，让外界看到了智谱在视频生成领域的阶段性成果。而“人人可用”的开放姿态，也让没有视频制作基础的小...……更多
2024-07-27 10:00:00更快,生成,高度,视频,清影,视频
...时间，苹果低调的在arxiv.org网站上发布论文，官宣了在多模态大模型领域的最新成果。在论文《MM1: Methods, Analysis & Insights from Multimodal LLM Pre-training》（MM1: 多模式LLM预训练的方法、分析和见解）中可以……更多
2024-03-16 18:14:00模型,苹果,参数,焦点,分析,公司
...择了两条路线分别开拓：一条是 GPT-4o 所代表的端到端多模态大模型的探索，一条是 o1 所代表的关于推理 Scaling Law 的探索。具体到 GPT-4o 上，OpenAI 跨文本、视觉和音频端到端地训练了一个新模型，所有输入和输出都由同一神经...……更多
2024-10-26 09:49:00一波,模型,国产,还是,语音,模型
...大招了！一连发布两大更新——Pixtral Large：前沿级124B多模态模型，用于驱动新Le Chat。全新Le Chat：具备网页搜索、Canvas、图像生成、图像理解等功能——而且所有功能免费提供！Mistral的CEO兼联创Arthur Mensch宣布道：「此次发布是...……更多
2024-11-20 09:43:00巨无霸,免费版,模态,突袭,模型,生成
IT之家 8 月 26 日消息，云知声于 23 日宣布推出山海多模态大模型。通过整合跨模态信息，山海多模态大模型能够接收文本、音频、图像等多种形式作为输入，并实时生成文本、音频和图像的任意组合输出。▲云知声山海助手微...……更多
2024-08-27 09:38:00模态,山海,实时,生成,模型,图像
更多关于科技的资讯：
11月18日，“廿念不忘，帧帧日上——百视通成立20周年分享会”在国际会议中心举行。作为20周年重磅发布之一，由百视通与上海博物馆联合打造的“BesTV上海博物馆”产品正式亮相并登陆上海移动高清电视
2025-11-20 08:06:00
近日，福州居然之家王力安防门店迎来了一位特别的客人——消费者丁先生专程送来一面写有“贴心服务暖人心，智能监测护健康”的锦旗
2025-11-20 08:06:00
厦门网讯（厦门日报记者 林露虹) 近日，专注于毫米波雷达芯片研发的厦企——矽杰微电子（厦门）有限公司（简称“矽杰微电子”）完成C1轮增资
2025-11-20 08:29:00
陈铎（中）指导员工进行《活宝档案》动画制作。海丝（厦门）电影工业产业基地施工现场。
厦门网讯（文/图 厦门日报记者 邬秀君）走进位于软件园一期的继来之（厦门）人工智能研究院有限公司
2025-11-20 08:30:00
11月1日，在廊坊座头鲸科技有限公司智能制造基地，工作人员对蓝丁智能无人配送车底盘进行性能测试。 河北日报记者 刘 杰摄11月1日清晨
2025-11-20 08:49:00
11月18日，由蓝河乳业独家冠名的《精耕者访谈》第三季·区域之王正式启动。作为母婴行业首个高端访谈栏目，其始终着眼于市场一线
2025-11-20 09:06:00
11月18日上午，北京博大健康体检管理中心（简称“博大体检”或“中心”）在京举行开业典礼，正式落地北京经济技术开发区南海绿茵国际园区
2025-11-20 09:06:00
在人工智能与教育深度融合的浪潮中，如何让技术真正服务于幼儿认知发展？上海浦东新区民办普瑞姆幼儿园园长赖园青用贯穿理论与实践的智慧教育探索
2025-11-20 10:06:00
胶东在线11月19日讯（通讯员王少娜徐冰鑫）秋冬时节，居民居家上网需求激增，网络卡顿、信号盲区、设备老化等问题更易影响用户使用体验
2025-11-20 10:17:00
2025年11月14日，在深圳第二十七届中国国际高新技术成果交易会第二届产教融合与科教融汇论坛上，北京四梯科技有限公司（以下简称“四梯科技”）首次面向社会正式发布“四梯智能产业工程师证书项目”（4T SIEC）
2025-11-20 11:37:00
11月17日，“中华文明起源系列——‘看·见殷商’”展览总结暨博物馆高质量发展研讨会在北京大运河博物馆举行。会上回顾了“看·见殷商”展览的创新实践
2025-11-20 12:07:00
在法国戛纳举办的 2025 年全球零售商业地产峰会大奖（MAPIC Awards）中，名创优品凭借其MINISO LAND战略级店态
2025-11-20 14:38:00
2025年，正雅齿科持续推动其在中亚和俄罗斯市场的战略布局，通过一系列系统化的全球参展和品牌活动，进一步巩固其在隐形正畸领域的国际影响力
2025-11-20 15:08:00
这两天京城寒意持续“在线”，中关村国家自主创新示范区展示中心内却是一片热火朝天——99支团队带着各自的“智能劳动者”，在2025年第二届中关村具身智能机器人应用大赛上展开“终极对决”
2025-11-20 15:08:00