搜索：多模态Agent模型

「多模态Agent模型」共找到 9726 篇相关文章

才发现 Google 出了个 Mac 版 AI 会议助手，居然还完全离线的

本文作者池建强介绍Google新推出的Mac端实验性AI会议助手Foresight，该产品核心AI功能可完全离线运行，基于本地Gemma模型，具备会议转写、笔记增强、个人知识库检索等功能，分析了产品特点与行业影响。

文章深入探讨具身智能的概念、内涵、计算框架与系统实现，梳理发展现状、趋势与挑战，强调生成式AI在其演进中的关键作用，还分析我国发展进展、风险，并给出研究方向与对策。

吴恩达在信中详细展开AI工程技能图谱中构建和部署AI应用这一项，介绍需了解的技能，如LLM基础、用数据为模型提供依据等，并阐述各技能要点，还提及构建AI系统与传统软件的区别。

随着AI模型能力增强，科班人士利用其专业能力在AI视频创作赛道优势明显。updream预演台将影视行业预演工作流引入创作画布，解决了AI视频生成中‘拍什么’和‘怎么拍’的问题，虽有局限但意义重大。

市场曾质疑AI资本开支高增长的持续性，如今随着头部模型公司ARR非线性爆发式增长，AI商业正向循环打通。在AI硬件产业链中，光互联是国内厂商全球参与度最高、份额最稳固的环节，正迎来最好时代。

作者分享用AI写代码的经历，指出豆包2.1 Pro强化Coding Agent端到端交付能力，成本低。还展示用它做的多个案例，如歇后语扭蛋机、文件整理工具等，认为其能解决日常问题，降低Coding门槛。

6月1日，IEEE国际机器人与自动化会议（ICRA 2026）将在维也纳开幕。今年投稿量4947篇破纪录，86个国家参与，1882篇论文被录用。热门方向有VLA模型、Sim - to - Real、3D感知，中国研究者从投稿大国迈向规则定义者。

具身人工智能向以视觉为中心转型，但面临“看得真”和“训得快”难题。清华大学智能产业研究院等提出GS - Playground通用多模态仿真框架，融合高吞吐量并行物理仿真与高保真视觉渲染，成果被RSS 2026录用，将开源。

4月27日百度文库网盘在AI DAY发布通用智能体GenFlow4.0，展示融合OpenClaw新进展。它让AI介入办公软件，引入Agent参与团队协作，从单兵作战到全向协同，解决办公中间工作，靠数据、系统和用户验证构建系统工程。

这个月初谷歌免费开放Veo 3.1视频生成能力，让AI视频更普及，但模型距‘能交付’仍有差距。Vidu Q3带着‘全家桶’回归，覆盖多领域，在权威评测榜单成绩优异，视觉、听觉和场景能力升级。