搜索：多模态文本智能

「多模态文本智能」共找到 4490 篇相关文章

刚刚，智元提出SOP，让VLA模型在真实世界实现可扩展的在线进化

智元具身研究中心提出SOP框架，可让VLA模型在真实世界实现可扩展的在线进化。它是颠覆性的机器人学习新范式，整合在线、分布式和多任务机制，构建闭环打破机器人认知时间边界。实验显示其性能优越。

北京时间今天凌晨，英伟达发布 Nemotron 3 系列开放模型，含 Nano、Super 和 Ultra 三种规模。Nano 已上线 Hugging Face，采用混合 MoE 架构，推理效率提升显著。该系列还具备多种核心技术和实用能力，相关工具和数据集也已开源。

Google DeepMind首席AGI科学家Shane Legg预测，最小AGI有50%概率在2028年实现，完全AGI将在其后3 - 6年出现，最终会诞生超越人类的ASI。这将带来变革，也引发失业担忧，需提前准备。

OpenAI迎来十周年，发布短片回顾发展。过去11位联创出走8位，奥特曼发文揭秘细节，称吃到时代红利。新晋女高管分享炼成秘诀，如研究驱动产品、自下而上创新、重视安全等。

谷歌狂放大招，ChatGPT更新群聊功能，与微信、QQ群聊神似，还能让聊天机器人判断群气氛决定发言。不久前奥特曼称不做社交，此次更新被指仓促，未直击痛点、缺乏技术突破。

HexStrike是开源渗透测试工具，以MCP为底座。其核心智能组件IntelligentDecisionEngine是专家系统，将安全专家经验规则化，通过知识库和算法提供工具选择和参数优化，提升渗透测试效率。

阿里在Hugging Face和ModelScope上开源智能简历解析系统SmartResume，能将多种格式简历转为结构化数据，分三阶段工作，性能优于基线方法，为HR和开发者提供工具。

英伟达在华盛顿GTC大会开源OmniVinci全模态大语言模型，实现视觉、音频、语言统一理解。它性能超竞品，架构有创新，数据引擎庞大。实验有重要洞察，在多场景表现佳，代表全新AI范式。

OpenAI发布首款AI原生浏览器ChatGPT Atlas，自带记忆和Agent能力，有chatgpt侧边栏、光标一选就改写等功能，目前仅发布macOS版，后续将推多版本，Agent模式付费且为预览版。

上海人工智能实验室等机构提出IWR - Bench评测基准，从“image - to - code”迈向“video - to - code”，对28个主流模型测试，最佳模型GPT - 5仅36.35分，指出当前模型短板，为研究指明方向。