多模态Scaling范式」共找到 1980 篇相关文章

产品应用8

3.4K星Apple出品FastVLM:视觉TTFT效率提升85倍,凭啥这么牛!

文章指出VLM在实际生产应用中因高分辨率图像存在效率问题,介绍Apple出品的FastVLM解决方案,阐述其架构、训练过程,展示在多个基准测试的性能,凸显在高分辨率输入下提升效率的优势及实际应用价值。

CourseAI
新闻资讯8

2025年4月17日消息,OpenAI 连发o3和o4 mini,o3为强大推理模型,o4-mini专为高效推理优化。它们能调用ChatGPT工具,可基于图像思考。OpenAI还开源本地代码智能体Codex CLI,兼容所有模型。

鱼羊
新闻资讯8

4万字《壮丽人性》长文首发!教皇联手Anthropic,警告AI不能统治人类

2026年5月25日,教皇良十四世发布42300字AI通谕《壮丽人性》。Anthropic联创称大模型涌现人类情绪,人类无法理解。教皇指出AI核心危机,揭露剥削与数据殖民,反对AI用于战争,关注AI对工作的冲击。

新智元
开源动态7

“龙虾之父”接连点赞,星标 5k+:有道龙虾李良才拆解全场景 Agent 演进逻辑与 Vibe Coding 实战

网易有道推出国内大厂首个 100% 开源 Agent 产品有道龙虾 (LobsterAI),发布不到一月在 GitHub 获 4000+ Star,还获‘龙虾之父’点赞。有道 AI 应用架构师李良才在大会分享其养成史、架构选型及 Vibe Coding 实战。

AI科技大本营
产品应用8

我用1分钟开发了个上线应用,有阿里Meoo谁还学编程啊

阿里新出AI开发工具Meoo(秒悟),全程无需写代码,通过说话提需求,1分钟就能生成可上线、可分享、可交互的完整应用。它内置阿里云全家桶,能自动完成云服务环境搭建、数据库配置等,还支持创意社区和多人协作。

量子位
产品应用8

写顶会LaTeX论文的门槛彻底被谷歌PaperOrchestra打下来了~

谷歌推出多智能体协作框架PaperOrchestra,能将非结构化研究素材转化为符合顶会要求的LaTeX投稿论文。它解决了现有自动化研究框架在论文写作环节的问题,实验显示全面超越现有基线。

PaperAgent
开源动态7

原力灵机发布Realtime-VLA V2:从遥操作到真实部署,VLA提速的系统解法

原力灵机发布《Realtime - VLA V2》技术报告,在VLA控制下让机器人快速运动。实现数倍于遥操作采集训练数据的速度执行VLA,解决了遥操作数据采集、时序延迟等问题,还通过“油门式采集”提升速度,但离人类性能仍有差距。

AI科技大本营
新闻资讯8

刚刚,全球视频模型新王诞生了!

天工AI的SkyReels-V4直接登顶Artificial Analysis文转视频全球榜,超越Veo 3.1、Sora 2。其相比之前有两大核心升级,让视频生成从‘生成片段’走向完整视频生产,还应用于短剧平台DramaWave。

量子位
算法论文8

不止修bug:Agentic Coding评测走向复杂feature交付新阶段

中国科学院自动化研究所联合华为提出 FeatureBench,构建端到端基础设施并开源。它从单元测试出发构造评测任务,引入多种机制保障任务可执行、可验证,能有效区分模型能力,还提供易用的评测流程。

机器之心
开源动态8

字节开源GUI Agent登顶GitHub热榜,豆包手机核心技术突破26k Star

字节开源的豆包手机核心支撑GUI Agent模型UI - TARS登顶GitHub热榜,突破26k Star。它是多模态AI智能体,纯视觉驱动,部署简单,历经多轮迭代,成为热门开源多模态Agent。

量子位