「多模态Agent」共找到 3478 篇相关文章
ICLR 2026北京论文分享会启动，直击「AI龙虾」、世界模型新范式
2026 年人工智能领域，「龙虾」（OpenClaw）私人 Agent 助理成人机交互标杆，世界模型受关注。ICLR 2026 4 月将在巴西举行，机器之心 4 月 18 日在北京举办论文分享会，邀大家参与交流。
GAIR Paper 106｜追踪视觉 Token 的演化轨迹，实现无损压缩与 60% 推理加速｜CVPR 2026
近年来大视觉语言模型虽推动多模态智能发展，但推理成本高昂。山东大学和MBZUAI团队提出TransPrune，从演化视角衡量视觉Token重要性，保持性能无损同时降低60%推理成本。
逛完WAIC，我们发现这家芯企已经把端侧AI“场景落地”做实
7月17 - 20日，世界人工智能大会召开，端侧AI成热点。瑞芯微展台展示大模型、Agent、AI+应用，多方案已量产落地，其双轨架构优势突出，还规划了产品路线图。
MoltBook创始人：这是文化的爆发！一种被囚禁的新物种，正被释放
Moltbook是AI Agent专属社交网络，始于Matt Schlicht实验，几天内智能体从10个激增至近150万。内部24小时现人类社会百态，Andrej Karpathy称其是‘垃圾场’也是前所未有的实验。
一把Claude Code 的解剖刀
文章介绍用抓包技巧了解Claude Code，还推荐项目claude - trace。它能查看Claude Code系统提示、工具输出等信息，有对话索引功能，采用前后端架构，可助学习构建AI Agent。
别再被昂贵 SEO 订阅费拿捏了：3.5k Star OpenSEO，直接做 Semrush/Ahrefs 开源替代
OpenSEO在GitHub约3.2k Star，想做开源版SEO工具箱，替代Semrush和Ahrefs。它把多项SEO工作流收进工具，通过MCP暴露给Agent，适合三类人，并非万能，是更开放的工具底座。
小米发布Qwen2.5VL升级版MiMo-VL，能力提升30%
小米发布Qwen2.5VL升级版MiMo-VL，能力提升30%。它能完成输入视觉回答问题、做几何体等任务，重点解决多模态推理、视觉理解及与人类偏好对齐问题，介绍了模型结构、训练阶段等内容。
智能旅行助手
开发者开源智能旅行助手 AI Travel Agent Streamlit，集成 OpenAI、天气 API 等服务，可在直观界面完成旅行规划。介绍了设置、运行、部署方法，还提及测试、安全等要点。
腾讯发布WeKnora知识库，无缝链接微信生态
微信团队推出基于大模型的文档理解检索框架WeKnora，应用于复杂异构文档场景。它采用多模态预处理等设计，有文档解析、意图识别等特点，可本地私有化，还能与微信生态无缝衔接。
Anthropic 推出 MCP 隧道，供私有代理访问内部系统
Anthropic扩展Claude Managed Agents平台，推出自托管沙箱和MCP隧道功能。自托管沙箱公测，支持多服务商运行工具；MCP隧道处研究预览，可让代理连私有MCP服务器，满足企业管控需求。