「多模态技术」共找到 3527 篇相关文章
谷歌神秘模型Kingfall泄漏！
近日，谷歌AI模型Kingfall在AI Studio平台短暂开放后意外曝光。它具备多模态处理能力，上下文窗口6.5万个token，有两种模式。生成SVG矢量图能力超Claude 4，身份猜测不断。
剪辑 Agent 字幕升级：99% 正确率的字幕，一条指令直接推进剪映
作者成峰重做剪辑 Agent 字幕功能，结合 capcut - mate 项目，接入语音识别服务等优化流程。字幕准确率最高达 99%，还介绍了 5 步使用方法，解决非技术用户使用门槛问题。
9.6k Star，这三个开源Claude Cowork火了
前几天Anthropic推出Claude Cowork，供非程序员写文档、回邮件等。开源社区很快出现替代品，PaperAgent整理三个有代表性项目，最高9.6k Star，还介绍了Claude Cowork技术栈。
ICME专题征稿 | 具身多模态智能：从感知到世界建模
ICME是多媒体领域国际顶级会议，2026年将在泰国曼谷举行。此次专题征稿聚焦具身多模态智能，涵盖多模态感知、世界模型等主题，介绍了投稿详情及联系方式。
被谷歌24亿美元抛弃的Windsurf员工们终迎救星，Devin 团队出手完成教科书式收购
Windsurf创始人携24亿美元加入Google DeepMind，留下数百员工。Cognition Labs收购Windsurf，让员工100%参与财务收益，免除归属悬崖期，获加速股权归属，还意在技术协同。
让LLM互相“审稿”：简单的LLM Collaboration/Ensemble方法实现7%性能提升
文章提出LLM-PeerReview方法，受学术同行评审启发，含评分、推理、选择模块。采用‘翻转三元评分技术’减少偏差，实验显示该方法超单一LLM及LLM Ensemble基线，性能提升显著。
为什么你的 Agent 总是出故障？从算力基建到可信熔断的架构生死线 | 直播预告
本次直播集结值得买、商汤、明略三位技术专家，拆解可信 Agent 的构建之道。将探讨大模型基础设施、可信 Agent 架构、MCP 协议实战等内容，还会解答观众提问。
比互联网泡沫惨17倍！AI裁员潮上万科学家下一站在哪里？
《Nature》文章讨论AI泡沫破裂后，OpenAI、谷歌等公司科学家流向，认为或重回学术界或创业。虽有裁员震荡，但长期看或使AI人才与技术溢出到其他领域。
SRO赋能Qwen-2.5-VL推理性能飙升16.8%
文本领域推理模型成就大，但多模态大型语言模型推理能力扩展遇阻，如冷启动初始化不足等。提出SRO三阶段训练框架，经测试，ReVisual - R1平均性能提升16.8%。
商汤新模型 SenseNova-U1 Pro 曝光，对标 GPT-Image-2，瞄准「设计」赛道
商汤科技在股东大会预告下一代旗舰多模态基座模型 SenseNova-U1 Pro，预计 2026 年 7 月邀测，对标 GPT-Image-2，瞄准「设计」赛道，具备多核心能力，还支持 8K 分辨率输出。