「多模态思维链」共找到 1405 篇相关文章
字节开源GUI Agent登顶GitHub热榜，豆包手机核心技术突破26k Star
字节开源的豆包手机核心支撑GUI Agent模型UI - TARS登顶GitHub热榜，突破26k Star。它是多模态AI智能体，纯视觉驱动，部署简单，历经多轮迭代，成为热门开源多模态Agent。
在参与OpenAI、Google、Amazon的50个AI项目后，他们总结出了大多数AI产品失败的原因
Aishwarya Naresh Reganti 和 Kiriti Badam 参与超50个企业级AI产品构建。他们指出，如今AI产品构建成本降低，但多数仍失败。还分享开发陷阱与路径，如从低自治高控制起步、建立CC/CD框架等，也对AI未来发表看法。
LLM时代的事件抽取：从静态任务到认知脚手架
此综述论文探讨LLM时代事件抽取价值，认为其未被削弱，应视为“认知脚手架”。它系统梳理任务分类、方法演进等，还提出六大未来研究方向，指向将其演化为智能感知与记忆层。
“干了20年，没见过这阵仗”：一句话说明存储行情有多火
当前存储行情火爆成‘超级风暴’，产业链各方看法不一。AI算力驱动需求，致产能被挤占，行业从‘周期性短缺’到‘结构性缺货’，市场规则改变，上下游悲喜不同，终端厂商也面临诸多挑战。
装了 AI 大脑的 Grep
本文介绍了 mgrep 工具，它有自然语言搜索、支持多语言多模态等特点。还说明了使用方法，如安装、登录、索引项目和搜索等，能与编码 Agent 配合，可补充 grep 进行代码搜索。
5.2K Star！离线也能翻译，零网络高隐私，40+语言的纯本地翻译神器！
日常在线翻译服务有隐私、离线使用等问题，Argos Translate是100%本地运行的离线翻译方案，免费、隐私安全，支持40多种语言，具备多模态接口、GPU加速等功能，适合多种场景。
2025宝山·智能机器人产业大会暨嘉年华隆重开幕
2025年11月21日，‘2025宝山・智能机器人产业大会暨嘉年华’在智慧湾科创园开幕。领导、院士专家、企业代表齐聚。会上发布行动方案，启动多个平台与中心，完成项目签约与揭牌，还有主旨演讲及多场活动。
李飞飞万字长文爆了！定义AI下一个十年
李飞飞新文指出AI下一个前沿是「空间智能」，揭秘其「世界模型」核心框架和三大核心支柱。构建具备空间智能的AI需世界模型，其应用涵盖创意、机器人、科学医疗等领域，有望提升人类生活。
王兴兴硕士论文惊现GitHub，宇树雏形那时候就有了
宇树科技CEO王兴兴近10年前的硕士毕业论文在GitHub被发现。论文提出电驱式机器人方案，奠定宇树科技雏形。其‘性价比’思想成公司立身之本，如今宇树估值百亿且将IPO。
刚刚，全球AI生图新王诞生！腾讯混元图像3.0登顶了
LMArena竞技场发布文生图榜单，腾讯混元图像3.0夺冠，超越谷歌、字节和OpenAI等模型。它是原生多模态模型，语义理解强，核心技术独特，经多阶段训练，效果能与顶尖模型媲美。