「全模态理解模型」共找到 8004 篇相关文章
自定义轨迹驱动AI视频生成，ATI无需训练适配多种生成模型
字节提出视频生成运动控制统一框架ATI，通过轻量级运动注入器将用户定义轨迹投影至预训练图像 - 视频生成模型潜在空间，实现协调控制。用户指定关键点及路径控制运动，无需重新训练，适配不同架构。
突然袭击！刚刚，Meta超级智能团队首个大模型来了
Meta超级智能实验室推出首个模型Muse Spark，由Alexandr Wang带领团队打造。它具备多能力，定位为构建个人超级智能基础，在多方面表现出色，Meta还研究其扩展维度。
世界模型开始做减法？LeCun团队和清华团队给出两种思路
近期，Yann LeCun团队的LeWorldModel用简洁JEPA实现从像素端到端训练世界模型，降复杂度且验证潜在空间物理刻画能力；清华团队的Fast - WAM探讨推理阶段显式生成未来必要性，给出高效替代路径。
轻量高效，即插即用：Video-RAG为长视频理解带来新范式
现有视觉语言模型处理长视频面临诸多难题，厦门大学等联合提出轻量高效、无需微调的 Video-RAG 框架，采用多模态辅助文本检索增强生成，解决长视频理解问题，适用于多场景。
宇树科技开源UnifoLM-WMA-0机器人模型，离通用机器人又进一步
宇树科技开源UnifoLM-WMA-0模型，用神经物理网络让机器人理解力学规律。它支持两种模式，融合多模态信息，架构精妙。经测试性能强，已真机部署。开源降低门槛，有望推动行业发展。
刚刚，MiniMax新模型接管「音乐圈」！20秒出歌Cover全风格
4月10日，MiniMax带来重磅更新，上线Music 2.6模型并发布专属Music Skills，核心新功能Cover翻唱可自由进行风格置换。Music 2.6在速度、音乐性和音质上改进明显，还开放三个Music Skills套件。
征集全国首部AI大模型私有化部署标准起草单位和个人！
智合标准中心组织起草的《人工智能大模型私有化部署技术实施与评价指南》团体标准正式立项，这是国内首部相关标准。它全流程覆盖、多方面融合、三方协作，现正征集起草单位和个人。
LiveWorld：视频世界模型新范式，让镜头之外的世界继续演化
现有视频世界模型存在“静态世界假设”，物体离开视野后状态不再更新。阿德莱德大学等研究者提出 LiveWorld，将世界演化与观察渲染解耦，使事件在视野外持续推进，并通过实验验证其有效性。
一键检测你的电脑能跑哪些大模型，这项目6！
介绍工具`LLMFit`，它用Rust编写，能自动检测硬件配置，判断大模型能否流畅运行，还可推荐最优量化版本和运行模式。该项目在Github获5.9k+ star，有多种安装方式。
大模型智能体如何突破规模化应用瓶颈，核心在于Agentic ROI
上海交通大学联合中科大研究指出，大模型智能体规模化应用有瓶颈，核心在于Agentic ROI 未达实用门槛。研究提出其发展呈「之字形」，先规模提升信息质量，再轻量化降成本。