搜索：视觉智能工坊

「视觉智能工坊」共找到 3928 篇相关文章

社区供稿 | GLM-4.5技术博客：原生融合推理、编码和智能体能力

文章介绍 GLM-4.5 和 GLM-4.5-Air，二者旨在统一推理、编码和智能体能力。在 12 个基准测试中表现良好，采用 MoE 架构等技术，还开源 slime 框架。文中展示其多方面应用，并说明使用方式。

腾讯开源Penguin - VL，直接用纯文本LLM训视觉编码器，跳出传统多模态拼接套路。在2B/8B紧凑参数规模的复杂任务中竞争力强，训练分三阶段，相关代码、模型等已开放。

2026年5月22日，Agent Skill开发者大赛总决赛在上海举办，采用双轨模式，38支队伍参赛，覆盖多元场景。大赛由多社区主办、多单位协办，揭晓企业组、高校组特等奖等，推动智能体技术落地。

Open Design团队开源motion-anything，这是一款开源动效引擎，让动效活在真实网页上，可随时编辑。自带庞大动效生态，支持多种触发和动法，有视频工坊且无水印导出，还解决了动效领域四大痛点。

文章围绕AI智能体意图识别与槽位抽取展开，介绍初级到高阶四种方案。初级方案简单高效但意图多易出错；中级解耦架构，适用于复杂场景；进阶用RAG召回解决意图识别不准；高阶应对多轮对话挑战，各有优劣。

WAIC后具身智能进入冷静期，融资热但投资人关注点转变。过去‘PPT估值、Demo定价’，如今按生产力算账。分析了高估值由来、发展路径类似大模型，还给出衡量企业的四把尺子，并以酷哇科技为例说明。

智谱AI与清华联合开源GLM - 4.5V视觉大模型，它基于GLM - 4.5 - Air开发，架构独特。在42项主流测试中创41项新纪录，多领域表现超Qwen2.5 - VL等模型，还采用新训练策略。

上海交通大学刘鹏飞团队认为，2024年9月后，大神Karpathy提出的“软件3.0”已过时，“软件3.5”应运而生。其核心是“交互即智能”，在自然语言易用性基础上实现人机交互认知层面突破。

生成式模型在机器人和具身智能领域面临训练依赖大量数据、推理慢的问题。西安交通大学团队提出EfficientFlow，融合等变建模与高效流匹配，提升数据效率，压缩推理迭代步数，在多基准实现SOTA，推理提效显著。

阿里Qwen团队组建具身智能小分队，由通义千问技术负责人林俊旸带队。外媒称这是阿里最明确的物理AI系统探索，此前阿里已有投资布局，此次是其AI战略关键落点。