「多模态理解」共找到 1546 篇相关文章
工程知识引擎：Harness Engineering体系下的工程知识底座
现代软件开发中，AI编程智能体虽能写代码但难理解代码，缺乏工程约束与上下文支撑。为此构建工程知识引擎，整合多维数据源，有向量检索等六大能力，经评估可提升智能体效率与代码质量。
最鲁棒的MLLM！港科大开源「退化感知推理新范式」 | AAAI'26
多模态大语言模型（MLLMs）在真实世界视觉退化下性能崩溃，制约产业落地。港科大等团队开源的Robust - R1被AAAI 2026接收为Oral，提出显式结构化推理新范式，实现质量与鲁棒性双重突破。
大模型在具身推理上「翻车」了？4496 道题全面揭示短板
美国东北大学等提出BEAR基准评估MLLM具身智能子能力，用4496道题测试20个模型。发现多模态大模型具身能力不足，还分析错因，开发BEAR - Agent提升模型具身推理能力，在仿真测试中效果显著。
硬件只是入场券：AI可穿戴的百万销量背后，软件与场景才是终极战场
InfoQ《极客有约》X AICon 直播探讨 AI 硬件进阶。Plaud、Rokid 等企业代表认为，AI 硬件成功关键在于早布局、结合需求与设计。软硬件一体是核心，可在传统硬件难胜任场景脱颖而出，多模态交互有挑战也有应用。
Qwen新开源，把AI生图里的文字SOTA拉爆了
通义模型家族新开源图像生成模型Qwen - Image，是通义千问系列首个图像生成基础模型。实测其对提示词理解到位，文字渲染高保真。它具备复杂文本渲染、一致性图像编辑能力，在多基准测试达SOTA。
在 AI 时代构建 MVP
文章围绕AI在构建最小可行产品（MVP）中的作用展开。它能在理解QARs、推动架构决策等多方面提供帮助，如提出被忽略的需求、缩小技术搜索范围等，但不能完全替代人类做决策。
杨立昆亲自指导开源世界大模型，为AI Agent打造超级大脑
今天凌晨，Meta开源世界大模型V - JEPA 2，它用超大规模数据集训练，能让AI Agent理解物理世界。图灵奖得主杨立昆参与开发并推荐。模型经多方面改进，还拓展用于机器人规划和视频问答，效果良好。
刚刚，千问杀入汽车座舱！阿里不止做超级APP，更要做超级入口
阿里AI助手千问被接入红旗汽车智能座舱，这是通用AI助手首次以完整形态登陆车载场景。千问能完成复杂语义理解和任务规划，还将拓展至更多硬件，阿里要把它打造成AI时代超级入口。
「Thinking with Images」推理速度太慢？「Zooming without Zooming」 让AI不调用工具也能「明察秋毫」！
上海交通大学与蚂蚁集团联合团队发布多模态大模型成果“Zooming without Zooming”。该研究提出R2I方法，将“缩放”转为训练目标，使模型单次前向传播实现细粒度感知，团队开源的ZwZ模型家族达开源SOTA性能。
深度解析世界模型：新范式的路线之争，实时交互与物理仿真
文章认为2026年多模态技术将有大发展，世界模型轮廓渐清。文中对比语言、视频生成模型，指出世界模型优势，分析实时视频与3D结构化两条路线，介绍不同公司产品并以四象限框架分类。