搜索：多模态数据湖

「多模态数据湖」共找到 3183 篇相关文章

首个长程Doc2Repo训练集！代码Agent不止修bug，开始造仓库

中国人民大学高瓴人工智能学院发布DeNovoSWE数据集，专注长程软件工程任务。它通过特定机制构造高质量数据，为代码智能体长程能力训练提供支持，实验显示能显著提升模型仓库生成能力。

商汤开源多模态自主推理模型SenseNova - MARS（8B/32B双版本），它通过强化学习整合工具，在多模态搜索与推理测试中超越Gemini - 3 - Pro与GPT - 5.2，还采用创新算法稳定训练，构建新基准评测。

昆仑天工发布的多模态视频生成模型SkyReels-V3正式开源。它能文生视频、图生视频等，效果逼真。该模型针对现有AI视频问题实现多方面技术突破，且昆仑天工在模型和产品层面均有深厚积累。

Pinterest工程师开发“最小重要查询参数集”（MIQPS）URL标准化系统，用于优化大规模数据采集管道内容去重。它取代传统方法，用数据驱动判断参数重要性，还采用早期退出逻辑等提高效率。

index.dev发布AI Agent调研报告，盘点50多个关键数据，涵盖应用趋势、场景、工作流等。截至2025年，85%组织集成AI Agent，市场价值73.8亿美元，预计2032年达1036亿美元。报告还分析技术栈各层应用及市场趋势。

上海人工智能实验室AI4S团队推出SFE评测基准，首创三级评估体系，涵盖五大科学领域66项任务。评测显示主流MLLMs在高阶科学任务有挑战，不同模型、学科表现有差异，还构建了SciPrismaX平台推动AI科学评估生态发展。

Databricks收购Mooncake Labs，旨在推进为AI智能体优化的新型OLTP数据库Lakebase。它基于Postgres，想让数据直接用于工作负载，省去ETL流程，简化AI应用后端数据架构设计。

大语言模型的RL技术已成熟，但多模态生成模型的强化学习训练仍“各自为战”，制约AIGC模型能力上限。腾讯混元庞天宇团队开源UniRL框架，打通多模态RL后训练，覆盖多种模型，内置算法与奖励组件。

在 AICon 大会上，智源研究院周华分享大模型行业应用。分析落地问题，提出以大模型为核心的技术路径，涵盖数据、训练等环节，还给出数据生产流程建议，分享最新开源成果。

VeRL-Omni是面向多模态生成模型的通用RL后训练框架，覆盖多种架构。它有高效多模态rollout、灵活奖励引擎等特性，支持多种硬件，团队还验证了不同训练方式，后续将扩展模型与算法支持。