搜索：多模态Scaling范式

「多模态Scaling范式」共找到 1975 篇相关文章

黄仁勋CMU演讲：取代你的是会AI的人，所有人同一起跑线，奔跑吧

卡内基梅隆大学毕业典礼上，黄仁勋发表演讲。他指出AI不太可能取代人，但善用AI的人可能取代他人。他还提及计算范式转变，新工业带来新潜能，呼吁毕业生全力奔跑塑造未来。

Meta发布闭源大模型Muse Spark及‘沉思模式’，背后藏PDR推理技术。该技术通过‘并行起草+精炼’突破性能瓶颈，对比传统长CoT范式优势明显，在AIME竞赛题目测试中准确率显著提升。

阿里通义实验室语音团队联合中科大发布多模态电影配音模型Fun - CineForge，开源模型并构建中文电视剧配音数据集。它能处理多种场景，有视频理解等亮点，还给出制作数据集步骤。

这是前OpenAI首席科学家Ilya Sutskever离开OpenAI后的深度访谈。他分享了对LLM研究、实现ASI、研究品味等思考，指出Scaling时代结束，强调‘情感’价值函数等，还回应了创业公司SSI规划。

香港中文大学与快手可灵团队联合提出运镜可控视频生成框架CamCloneMaster，引入‘参考即用’范式，告别对相机参数依赖。其训练、测试代码和数据集均已开源，在各项指标上优于SOTA方法。

阿里巴巴达摩院提出全自回归模型 WorldVLA，首次融合世界模型与动作模型，统一文本、图片、动作理解和生成。它用独立编码器处理多模态数据，还提出策略解决误差累积问题，实验表现优异。

小扎组建“超级智能”团队，成员名单泄露，许多来自AI顶尖对手公司，华人占近一半。组织名为Meta超级智能实验室，Scale AI CEO Alexandr Wang领导，小扎砸143亿美元，或因Deepseek R1冲击。

JarvisArt提出多模态大模型驱动的智能Agent，通过理解自然语言指令，协调200+个Lightroom工具，实现媲美专业修图师的非破坏性编辑。其内容保真度超越GPT - 4o达60%，为AI艺术创作开辟新路径。

近年来视频AIGC推动音频驱动人体动画变革，但传统视频配音局限口部。中国科学院大学提出稀疏帧视频配音范式，推出InfiniteTalk生成器，结合多种技术实现全身动作与音频同步，实验表现突出。

小米全量开源MiDashengLM - 7B模型，它基于Xiaomi Dasheng和Qwen2.5 - Omni - 7B Thinker，实现声音理解新SOTA。性能领先，推理效率高，革新训练范式，全栈开源，将赋能多场景。