Meta斯坦福大学联合团队全面研究多模态大模型（LMM）中驱动视频理解的机制，扩展了视频多模态大模型的设计空间，提出新的训练调度和数据混合方法，并通过语言先验或单帧输入解决了已有的评价基准中的低效问题。
豆包的“眼睛”升级了，现在让它看一眼APP截图，就能直接给你生成代码！
多模态信号，包括文本、音频、图像和视频等，可以被整合到语义通信中，在语义层面提供低延迟、高质量的沉浸式体验。
经过了LLM、RAG、多模态等多轮技术风口的洗礼后，AI智能体的应用现状究竟如何？Langbase公司最近发布的调查报告通过11个关键问题，为我们提供了一份有价值的现状切面。
面对AI圈疯传的「数据如化石燃料一般正在枯竭」，我们该如何从海量数据中掘金？AI炼出的数据飞轮2.0，或许就是答案。
今年以来，家居行业正在不断推动AI大模型的技术提升与落地应用，比如群核科技发布了多模态CAD大模型；居然之家与火山引擎合作推动AI大模型、veOmniverse等技术的应用……
“英伟达版树莓派”这波良心了，性能涨70%，降价50%。 老黄召开厨房发布会，从烤箱里端出这台“掌心AI超算”。
人类的沟通交流充满了多模态的信息。为了与他人进行有效沟通，我们既使用言语语言，也使用身体语言，比如手势、面部表情、身体姿势和情绪表达。
Florence-VL 提出了使用生成式视觉编码器 Florence-2 作为多模态模型的视觉信息输入，克服了传统视觉编码器（如 CLIP）仅提供单一视觉表征而往往忽略图片中关键的局部信息。
多模态大模型内嵌语言模型总是出现灾难性遗忘怎么办？
