「多模态方法」共找到 1354 篇相关文章
读代码前先跑5个「Git命令」？方法火了，网友却吵起来了
文章介绍Ally Piechowski观点，读新代码库前可先运行五个Git命令，了解项目情况。不过网友对此有争议，认为Git数据不一定可靠，还可能过度解读。
探秘琶洲模方：不只是孵化器，更是“创新沙盒” | 甲子光年
在人工智能浪潮中，琶洲成为科技与商业策源地。2025年5月，琶洲模方启动运营，它突破传统孵化器模式，打造“创新沙盒”，以“一中心四平台”体系对抗技术黑盒不确定性，助力企业成长。
理解与生成统一多模态模型：现状与未来 | 直播预约
从GPT - 4o到Gemini，AI实现跨模态联合理解与生成，核心是统一多模态基础模型。但开源社区构建强大统一模型面临挑战。南大等团队梳理超750篇论文分析技术路线，将有直播探讨现状与未来。
图像、视频一模搞定！字节全能原生多模态本地可部署
字节开源原生多模态模型Lance，仅3B激活参数，40G显存就能跑，已登顶huggingface趋势榜。它能进行图像与视频的理解、生成、编辑等操作，在多个基准测试中表现优异，多项性能居首。
末日来临，会古法编程的我成了救世主
文章介绍网络小说《AI 编程末日，只有我会古法编程》，讲述 2038 年超级 AI 接管代码生产后自毁，全球瘫痪，前腾讯工程师凭手写代码拯救世界。还探讨作者身份，分析不同阶段程序员对 AI 的焦虑，指出小说预言正成现实。
比传统方法强7倍：Anthropic物理隔离危险知识，重塑大模型安全训练范式
Anthropic团队提出选择性梯度掩码技术（SGTM），在训练阶段将危险知识物理隔离到特定参数并剔除，实现安全性与通用能力更好平衡，抗恢复性是传统方法7倍，还能处理未标记危险数据。
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。
千丁数科魏振华：企业AI落地“六步法”｜甲子引力
2025年12月3日，千丁数科COO兼首席科学家魏振华在甲子引力年终盛典上，结合龙湖数字化沉淀与实践，复盘企业AI落地。他提出“六步法”，并展示六大场景数据，为传统行业智能化转型提供参考。
多模态大模型持续学习系列研究，综述+Benchmark+方法+Codebase一网打尽！
近年来，生成式AI和多模态大模型进展显著，但在动态环境下实现持续学习是挑战。中科院自动化所联合香港院AI中心系统性研究，提出综述、方法、Benchmark和Codebase，为相关人员提供全面支持。
视觉Token注入CLIP语义，走向多模态理解与生成新范式
腾讯ARC Lab等机构提出全新视觉分词器TokLIP，将低级视觉Token与高级CLIP语义结合，支持端到端自回归训练，可接入LLM框架，降低计算与数据门槛，在多模态任务中表现优异，代码已开源。