搜索[多模态]结果-低调大师优秀个人博客

精选列表

搜索[多模态]，共10006篇文章

【金融客服AI新玩法】语言学运用、LSTM+DSSM算法、多模态情感交互

目前，人工智能已经在金融领域渗透：智能客服、智能投顾、人脸支付、智能安防等，已经进入商业化阶段。在这些应用场景中，智能客服属于获客机会最大的业务。埃森哲（Accenture）去年的《全球消费者消费渠道与市场调研》显示，在银行、保险等金融行业，有七成的消费者愿意选择人工智能客服为他们的消费决策提供建议。正因如此，市场上涌现出大量的智能客服创业公司。创业公司广泛存在一方面说明行业整体技术壁垒较低，另一方面，也说明智能客服的在金融领域的应用商业场景还有巨大的开发空间。如何在构建技术壁垒的同时开发更多的商业场景，是创业公司能够脱颖而出关键。三大痛点：传统NLP方法对意图和语意理解不足、缺少深度学习训练模型数据、无法精确感知用户情绪通常意义上的智能客服系统有语音客服、文字客服两大形态，其核心技术主要由语音识别、自然语言处理、语音合成组成（部

2018-01-14

全文检索到多模态混合检索：数据库减少AI Agent超96%的Token消耗

现在很多 Agent 的记忆和知识还以文件形式存着。文件少、内容短的时候，这没啥问题——够用、简单、不折腾。但问题是，Agent 面对的场景不会一直这么"温柔"。当文件越来越多、单个文件越来越大，Agent 往往只能把一堆内容一次性塞进上下文，再从里面翻出真正相关的那几条。

2026-09-17

腾讯云WorkBuddy：以多模态感知与OAuth标准接入赋能硬件跨端智能协同

腾讯云WorkBuddy通过全模态感知与OAuth标准接入，赋能硬件跨端智能协同。

2026-09-11

Apache Doris + Lance：让多模态数据真正进入智能驾驶与具身智能的分析闭环

摘要： Apache Doris 5.0 多模湖仓预告（1）｜场景方案篇：智能驾驶与具身智能每天产生海量多模态数据，真正难的是从中快速找到高价值 Episode，并判断问题集中在哪些场景、版本与任务。

2026-09-08

视觉大模型开发：从多模态融合架构到高效训练与推理部署的工程实践

视觉大模型开发：从多模态融合架构到高效训练与推理部署的工程实践，这绝非仅仅是将一张图片“喂”给大语言模型（LLM）那么简单。

2026-09-05

小龙虾养殖大模型全栈实战：从多模态分级到Agent投喂决策

改用Qwen-VL-Chat 或 LLaVA-NeXT 多模态模型，通过结构化提示词强制输出JSON分级报告。

2026-08-29

OpenClaw Agent深度剖析：构建多模态桌面自动化智能体的技术挑战与实现

在这一浪潮中，OpenClaw 作为一个开源的、基于多模态大模型的桌面/浏览器自动化智能体框架，凭借其轻量化设计、可插拔架构和对多种基础模型的兼容性，迅速获得了开发者社区的关注。

2026-08-02

谷歌发布 Gemma 4 12B，无需编码器的统一多模态模型

Google于6月3日正式发布了Gemma 4 12B，这是一款统一的多模态模型，在不需要传统多模态编码器的情况下实现了视觉和音频的直接处理。

2026-06-04

GodeX v1.1.0 发布：MiniMax-M3、多模态理解和原生搜索结果桥接

GodeX v1.1.0 发布：MiniMax-M3、多模态理解和原生搜索结果桥接 GodeX v1.1.0 发布了。

2026-06-01

MiniMax M3 正式发布：前沿 Coding 能力、1M 上下文、原生多模态

它也是一个原生多模态模型，支持图片和视频的输入，并能操作电脑桌面。

2026-06-01

Gemini API File Search 升级：多模态检索、自定义元数据与页码引用全面落地

Google DeepMind 团队宣布对 Gemini API 的 File Search 工具进行重大扩展，推出三项核心功能更新——多模态支持、自定义元数据过滤，以及页码级引用

2026-05-11

英伟达开源 Nemotron 3 Nano Omni 多模态模型，AI 智能体效率最高提升 9 倍

4 月 28 日，NVIDIA 正式发布开源全模态推理模型 Nemotron 3 Nano Omni，将文本、图像、音频、视频、文档、图表乃至 GUI 界面等多种感知能力整合至单一系统，旨在解决传统 AI

2026-04-30

实时多模态如何重塑未来交互？我们邀请 Gemini 解锁了 39 个实时互动新可能

大会上，Google 发布了多个实时多模态新品，包括支持音视频输入的多模态模型 Gemma 3n 、升级主动音视频功能的 Gemini Live API 、支持实时双语翻译配音的 Google Meet

2025-06-09

RWKV 社区三月新增 14 篇学术论文和若干多模态项目

RWKV7-G1 正在训练中 RWKV 社区活动 RWKV 团队参加 NVDIA GTC 2025 RWKV 社区项目动态 RWKV 端侧 APP 发布并开源新项目：WorldRWKV（RWKV 多模态

2025-03-28

前微软亚研院视觉专家胡瀚加入腾讯，负责混元多模态大模型

AI 科技评论消息称，前微软亚洲研究院视觉计算组首席研究员胡瀚，不久前加入腾讯，接替已离职的前腾讯混元大模型技术负责人之一的刘威，负责多模态大模型的研发工作。

2025-01-08

SAM、CLIP...最近有哪些基于 RWKV 的多模态等研究？【第二期】

大家好，我们整理了近期 RWKV 生态中新增的一些多模态工作，包含：RWKV-SAM（图像分割模型）、RWKV-CLIP（视觉语言表示学习）、point-RWKV（3D 点云学习框架）…… RWKV-SAM

2024-07-08

复旦 MOSS 团队谈最新进展：从大语言模型到多模态大模型

在 2023 年度复旦大学“十大科技进展”评选会上，复旦大学邱锡鹏教授团队的通用可信人工智能模型MOSS获选十大进展之一，该研究团队在大模型的多模态扩展和可信提升方面开展了深入研究，联合发布人工智能治理开放平台

2024-05-24

阿里iDST ICCV 2017录用论文详解：基于层次化多模态LSTM的视觉语义联合嵌入

本文讲的是阿里iDST ICCV 2017录用论文详解：基于层次化多模态LSTM的视觉语义联合嵌入， ICCV，被誉为计算机视觉领域三大顶级会议之一的、作为计算机视觉领域最高级别的会议之一，其论文集代表了计算机视觉领域最新的发展方向和水平

2017-10-23

延迟只多 0.8 毫秒，检索质量涨 2.92%：抖音 DME 怎么让多模态检索又快又准

💡 一句话总结：抖音搜索团队提出 DME，用"隐式 latent reasoning + 跨条件重建"两个训练期机制，让多模态嵌入在不增加推理延迟的前提下既快又准，还提出 acc@K 指标证明嵌入向量能解码回文本

2026-08-12

多模态主动深度相机架构实战：散斑双目 + dToF + RGB 三模态融合系统设计全解析

本文以一款融合主动散斑投射双目、dToF 辅助测距与 RGB 纹理采集的多模态深度相机为案例，从系统架构、核心选型、时序同步到功耗优化进行完整技术拆解。

2026-07-28

资源下载

更多资源

Nacos

Nacos /nɑ:kəʊs/ 是 Dynamic Naming and Configuration Service 的首字母简称，一个易于构建 AI Agent 应用的动态服务发现、配置管理和AI智能体管理平台。Nacos 致力于帮助您发现、配置和管理微服务及AI智能体应用。Nacos 提供了一组简单易用的特性集，帮助您快速实现动态服务发现、服务配置、服务元数据、流量管理。Nacos 帮助您更敏捷和容易地构建、交付和管理微服务平台。

Spring

Spring框架（Spring Framework）是由Rod Johnson于2002年提出的开源Java企业级应用框架，旨在通过使用JavaBean替代传统EJB实现方式降低企业级编程开发的复杂性。该框架基于简单性、可测试性和松耦合性设计理念，提供核心容器、应用上下文、数据访问集成等模块，支持整合Hibernate、Struts等第三方框架，其适用范围不仅限于服务器端开发，绝大多数Java应用均可从中受益。

Sublime Text

Sublime Text具有漂亮的用户界面和强大的功能，例如代码缩略图，Python的插件，代码段等。还可自定义键绑定，菜单和工具栏。Sublime Text 的主要功能包括：拼写检查，书签，完整的 Python API ， Goto 功能，即时项目切换，多选择，多窗口等等。Sublime Text 是一个跨平台的编辑器，同时支持Windows、Linux、Mac OS X等操作系统。

WebStorm

WebStorm 是jetbrains公司旗下一款JavaScript 开发工具。目前已经被广大中国JS开发者誉为“Web前端开发神器”、“最强大的HTML5编辑器”、“最智能的JavaScript IDE”等。与IntelliJ IDEA同源，继承了IntelliJ IDEA强大的JS部分的功能。