算法论文7
复旦等推EgoSound，补齐多模态模型听觉短板
量子位
AI 摘要
复旦等团队：推出EgoSound基准，让多模态模型听懂世界。现有基准重视觉轻听觉，EgoSound弥补空白，评测显示当前模型与人类准确率差距超27个点。
阅读原文 · 量子位
复旦等推出「第一人称视听基准」，补齐多模态模型「听觉拼图」
多模态大模型在真实世界会“失聪”，现有第一人称视频问答/理解基准长期偏“视觉中心”。复旦等团队推出首个系统评测第一人称声音理解能力的基准EgoSound，能让模型听懂世界，评测显示当前模型与人类差距大。
关注公众号
扫码关注
第一时间收到每日精选
相关文章
算法论文8
紫东太初GMC：少80%Token保多模态能力
视觉Token冗余是多模态模型高效推理与落地的瓶颈，传统筛选方法有缺陷。紫东太初团队提出GMC核心集剪枝方法，具双阶段架构，优势多，实验显示其能在减少Token同时保持性能。
量子位
产品应用8
阿里「千问办公」公测，Qwen3.8 - Max上岗
8月，阿里「千问办公」开启公测，它整合三款产品，还接入最新旗舰Qwen3.8 - Max。该产品交付成果可用，可一站生成多模态内容和Office产物，与钉钉打通且有组织级Skill，优势明显。
新智元
产品应用8
Agnes AI实测：编程瓶颈在缓存命中率
本文实测Agnes AI，指出AI编程瓶颈在于缓存命中率，而非模型智商。介绍其产品线、评测成绩与价格优势，还分享客户端体验，包括亮点、回滚事故及日志结论，最后点明智能免费后验证更稀缺。
AI科技评论
开源动态7
pxpipe：压缩Fable 5上下文，大幅降成本
Fable 5在AI圈爆火，但使用成本比其他型号贵至少5倍。pxpipe项目把适合压缩的大段文本渲染成PNG图片，交给多模态模型读取，能大幅降低成本，还能增加上下文长度。
开源AI项目落地