「多模态AI交互」共找到 10573 篇相关文章
在WAIC耳朵听出茧子的「智能体」，是时候系统学一下了
今年世界人工智能大会上，智能体成主角，AI厂商纷纷布局。文章指出人们对AI大模型期望转变，介绍智能体底层逻辑，涵盖工具使用、推理模型、ReAct框架等，还对比先前尝试，探讨智能体能力层次与未来发展。
国产GPU开始造世界！国内首个全栈具身智能仿真平台来了
摩尔线程发布国内首个全栈国产化具身智能仿真平台MT Lambda，实现Sim-to-Real真机验证。该平台像物理AI训练流水线，集成物理、渲染、AI引擎。其依托全功能GPU和MUSA架构，还构建了云端、端侧、生态闭环。
刚刚，OpenAI 发了一份 13 页的「超级智能新政」
OpenAI 发布 13 页政策白皮书《智能时代的产业政策：以人为先》，提出让繁荣惠及所有人、降低风险、普及 AI 三大目标，并给出公共财富基金、效率红利分配、税制改革等具体方案，同时 Sam Altman 表达了对 AI 发展的紧迫感。
「百万级」视频推理数据集！30+顶尖高校联合发布
AI视频生成已能「画得像」，但不会「想得对」。VBVR推出百万级视频推理数据集，首次系统评测模型对空间、物理、逻辑和抽象的推理能力，发现顶尖模型通过率仅68%，推动视频AI从「视觉模仿」迈向「智能推理」。
近十年后谷歌与波士顿动力再「牵手」，这次要为人形机器人注入「灵魂」
近日，在 CES 2026 上，波士顿动力与谷歌 DeepMind 宣布达成全新 AI 合作，将 Gemini Robotics AI 模型与 Atlas 人形机器人深度整合，赋能其完成工业任务，首个应用领域是汽车行业。双方曾有过交集，此次合作被网友看好。
VLA统一架构新突破：自回归世界模型引领具身智能
北京智源研究院联合中科院自动化所提出 UniVLA 全新 VLA 模型架构，基于全离散、自回归机制建模多模态信号，后训练引入世界模型。它刷新多项基准纪录，在真机操控和自动驾驶有潜力，为多模态感知决策融合带来新思路。
5V5电竞版Prompt Battle来了，这是AIFUT大会最后的总结。
AIFUT大会结束，最后半天有圆桌、演讲与Prompt Battle电竞赛。余轶南谈具身智能和家庭机器人；5v5电竞赛红队夺冠；神思远等探讨影视行业；快刀青衣等交流AI创业；张泓等讨论AI投资；吕思彤分享开发经验。
GLM4.5之后，智谱又开源GLM-4.5V，实测下来视觉推理能力贼强~
智谱继GLM-4.1V-9B-Thinking、GLM-4.5后，又开源最强多模态推理模型GLM-4.5V，在多模态理解榜单达开源SOTA。它视觉推理强，经测试能助力科研各阶段，还介绍了其架构设计与训练策略。
ICML2025 | 揭示MLLM的图文联动推理能力
当前多模态大语言模型（MLLMs）在图文深度融合推理能力上面临挑战，现有评测基准无法真正检验该能力。EMMA基准应运而生，它从四大领域精选题目，采用双重过滤机制和细粒度标注体系，评测发现MLLMs存在多模态推理危机。
3 亿美元 ARR、估值超 20 亿美元，演语科技是怎么做 ToC 应用增长的？
AI应用难做，演语科技却完成近3亿美元B+轮融资，估值超20亿美元，ARR超3亿美元。其成功在于找准付费人群、做厚应用、激进增长，让产品功能转化为收入，为AI应用商业化提供范例。