「多模态数据融合」共找到 3531 篇相关文章
OpenVision 2：大道至简的生成式预训练视觉编码器
多模态大模型浪潮中，视觉模块是关键。此前OpenVision训练管线复杂，成本高。研究者提出OpenVision 2，移除文本编码器与对比学习，引入随机丢弃视觉token技巧，性能佳且效率高，挑战了对比学习范式。
【综述】MRAG5项关键技术(一)：解析、索引
文章围绕多模态检索增强生成（MRAG）的关键技术展开。介绍多模态文档的三种类型，阐述文档解析与索引的方法，包括基于提取和基于表示的方法，还指出基于提取方法存在的局限性。
开源，本体驱动的GraphRAG新范式，零噪声~
分享开源项目trustgraph，重点介绍本体驱动的零噪声GraphRAG。常规GraphRAG在实际应用中问题多，如数据重复、冲突、缺数据等，而本体可构建自我完善的知识图谱，作者为此造了“本体驱动GraphRAG”。
印度迎来AI工具“0元购”时代！OpenAI、谷歌等巨头内心os：别急，先让他们上瘾，我们再来收费
过去几个月，Perplexity、谷歌、OpenAI 等科技巨头纷纷在印度推出免费 AI 服务。分析师称这是对印度数字未来的长期投资，先让用户上瘾，再推付费服务。不过，这也引发数据隐私等问题讨论。
Ultralytics & lightly-train：简化计算机视觉模型训练，无需标签
在计算机视觉领域，获取带标签数据成本高、耗时长。开源项目 lightly-train 用未标记图像和视频自监督预训练，减少标注成本与时间，可集成到现有训练管道，支持多种模型架构和应用场景。
人形机器人终于学会洗碗了
Figure机器人学会洗碗，用的是叠毛巾和分包裹同款Helix架构，无新算法和特殊工程，仅增加新数据。该架构是端到端“视觉 - 语言 - 动作”模型，同一系统增数据就能学新技能。
给 Agent Skills 装上眼睛：MMSkills 用多模态技能包教会智能体看状态、做决策
上海交通大学和小红书团队推出面向通用视觉 Agent 的多模态技能框架 MMSkills，将可复用技能扩展为多模态程序性知识，通过 branch loading 调用视觉证据，在 GUI 与游戏任务评测中表现出色。
ICLR重磅回应：评审回滚、AC重置、封禁泄密者、严查贿赂串通
自11月27日OpenReview平台曝出重大API漏洞，ICLR 2026超10000篇投稿数据泄露，评审流程熔断。ICLR公布处理方案，回滚评审数据、重分领域主席，封禁泄密者，涉串通论文将拒稿。
Meta通过简单算术解锁LLM SoTA性能
大型语言模型训练耗算力与时间，传统模型融合方法有局限。本文提出SoCE新方法，通过筛选专家模型、非均匀加权平均融合，在多评测中实现先进性能，为LLM优化提供新思路。
鹿明机器人CEO喻超：2026年目标营收过亿，但更关注通用智能的终局
鹿明机器人成立不到一年就凭借人形机器人LUS破圈。2026年其计划建成超100万小时UMI数据采集产能，预期营收过亿，但CEO喻超更关注通用智能终局，认为人形机器人是终极方案。