复旦等推出「第一人称视听基准」，补齐多模态模型「听觉拼图」
复旦等推出「第一人称视听基准」，补齐多模态模型「听觉拼图」多模态大模型掉进真实世界，会“失聪”。
来自主题: AI技术研报
5844 点击 2026-03-12 14:10
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
多模态大模型掉进真实世界，会“失聪”。
在生成式 AI 浪潮中，文生图技术已实现跨越式发展，在视觉呈现上达到了前所未有的高度。然而，在生成图像中准确合成拼写正确、结构规范且风格协调的文字 —— 视觉文本渲染（Visual Text Rendering, VTR），至今仍是该领域尚未攻克的核心难题。
手机养龙虾自由，被百度实现了！
获投近亿元、两周开发“中国版小龙虾”，前阿里腾讯大厂人二次创业。
谁能想到，OpenClaw 火到了今天，甚至出现了排队等待安装的盛况。一些大厂也开始入局，选择接入 OpenClaw。龙虾热已经发展为现象级，但问题是：究竟有多少行业能够真正将其投入使用呢？
如果你在三月 5 号左右的凌晨，打开亚马逊，可能会怀疑自己输错了网址——满屏都是各种小狗图，和巨大的「Sorry」。
在「龙虾热」蔓延全国的此刻，大家把越来越多的工作交给 AI。从写代码到数据分析，很多人开始尝试让 AI 接管完整流程。
OpenClaw太耗token，要烧光全球算力？追觅科技的答案是，把算力送上太空！200万颗的算力卫星，直接碾压了马斯克的SpaceX。不仅如此，他们也开始下场做芯片了。
嗨大家好！我是阿真！ 前几天发过提示词生图相关的推文，大家普遍有个痛点，直接生成但是写提示词很痛苦，提示词调整来调整去，有点小问题又想再抽卡，最后时间浪费了，效果也一般般。
针对“龙虾”典型应用场景下的安全风险，工业和信息化部网络安全威胁和漏洞信息共享平台（NVDB）组织智能体提供商、漏洞收集平台运营单位、网络安全企业等，研究提出“六要六不要”建议。