搜索[多模态Agent]结果-低调大师优秀个人博客

精选列表

搜索[多模态Agent]，共10000篇文章

DeepSeek Harness 公测一周迎来多模态大招，纯文本模型也能“看图”了

14 项更新，多模态是重头戏。

2026-08-21

基于Python与LangChain构建多模态RAG系统：从向量检索到视觉问答的实战

多模态RAG通过统一向量空间嵌入文本与图像，让LLM在生成时能“引用”视觉证据，显著提升图表问答、产品手册检索等场景的准确率（实测提升27%~41%）。

2026-08-13

视频理解RAG：从视觉感知到时序多模态检索系统的架构设计

根据 IDC 发布的数据预测，到2025年全球数据总量将超过 180 ZB，其中大量增长来自：

2026-07-23

. | 面向复合材料设计的序关系感知多模态表示学习

然而，现有多模态学习方法主要面向晶体和聚合物材料设计，通常假设材料结构与性能之间具有离散映射关系，难以处理复合材料连续、非线性的设计空间。

2026-07-21

Google Gemma 4：把多模态、推理和端侧效率塞进一套模型

大模型的升级，常被简化成一场参数竞赛：更多参数、更高分数、更贵的推理。但 Gemma 4 技术报告给出的方向恰好相反——真正困难的，是让模型同时更会推理、更懂图像与声音，还能在不同硬件上跑得动。

2026-07-17

OpenAI又走了一员大将，这次腾讯要的是多模态命脉

雷峰网7号晚上先捅出来的，说OpenAI前研究员田永龙已经加入腾讯。第二天一早，澎湃新闻从腾讯相关负责人那里拿到了确认。36氪、IT之家、凤凰科技全部跟进。到中午的时候，连意大利语和韩语媒体都在报。

2026-07-13

NEO-unify：原生架构打造端到端多模态理解与生成统一模型

商汤科技联合南洋理工大学，提出一种全新的架构范式：NEO-unify（preview）当前多模态智能架构困境长期以来，多模态研究已形成一种默认范式：视觉编码器（Vision Encoder, VE）

2026-04-01

清华等联合发布 UltraRAG 2.1，全球首个基于 MCP 架构的多模态 RAG 框架

该版本彻底简化多模态智能检索系统的构建流程——研究人员仅需编写几行YAML配置文件，即可实现多阶段推理、生成与评估，无需一行代码，大幅降低技术门槛。

2025-11-12

深化战略合作，优刻得接入智谱最强开源多模态 GLM-4.5V

优刻得已率先在内部多个业务流程中接入GLM-4.5 Agent进行试用，涵盖合同审核、PPT一键生成、代码智能补全等场景，验证了GLM-4.5在适配性、成熟度以及实际效率提升方面的显著优势。

2025-08-13

蚂蚁百灵团队开源统一多模态大模型 Ming-lite-omni

蚂蚁百灵大模型（Ling）团队正式开源统一多模态大模型 Ming-lite-omni。

2025-05-29

普林斯顿、字节跳动等联合发布首个多模态扩散大语言模型 MMaDA

普林斯顿大学、字节跳动 Seed、北大和清华等研究团队合作提出了多模态扩散大语言模型MMaDA（Multimodal Large Diffusion Language Models），作为首个系统性探索扩散架构的多模态基础模型

2025-05-23

字节跳动开源 UI-TARS-1.5：基于视觉-语言模型构建的多模态智能体

据介绍，这是一款基于视觉-语言模型构建的开源多模态智能体，能够在虚拟世界中高效执行各类任务。

2025-04-18

Jina AI 开源全新多模态多语言重排器 jina-reranker-m0

Jina AI正式发布jina-reranker-m0，一款多模态、多语言重排器（reranker），核心能力在于对包含丰富视觉元素的文档进行重排和精排，同时兼容跨语言场景。

2025-04-09

微软 Phi-4 家族新成员：Phi-4 多模态和 Phi-4 迷你

今日，微软宣布为 Phi-4 家族推出两款全新模型：Phi-4 多模态（Phi-4-multimodal）和 Phi-4 迷你（Phi-4-mini）。

2025-02-27

【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

支撑企业多域 Agent 群落：ooderAgent 部署与治理架构解读

当企业开始规模化使用 Agent，最先出现的不是"模型不够聪明"，而是"Agent 太多、管不住"。

2026-09-05

DuET-PD 多轮说服评测：Agent 上线门禁实践指南

在云原生与 AI Agent 加速落地的背景下，团队普遍关注 RAG 命中率、首 token 延迟与单轮 benchmark。

2026-08-27

多 Agent 越多越好吗？关于协作、共识与冲突

现在，让几个 Agent 分头查资料、写代码、跑测试并不难。麻烦的是让它们在同一个系统里持续协作：既要避免重复劳动、彼此覆盖代码和资源争抢，也要防止它们因为判断趋同，集体沿着错误方向加速。

2026-08-18

大模型微调与 Agent 实战：从 LoRA 到多工具调用

微调（Fine-tuning）用少量高质量数据，就能大幅提升模型在特定任务上的表现。而 QLoRA 让消费级显卡也能微调 70B 模型——门槛已经低到开发者可以日常实验。

2026-07-27

一文解析多 Agent 编排架构模式全景

从 Token 膨胀 15× 的物理约束到 N² 冲突的数学诅咒，从 64% 基准上单 Agent 持平多 Agent 的反直觉真相到一张选型决策公式

2026-07-13

资源下载

更多资源

Mario

马里奥是站在游戏界顶峰的超人气多面角色。马里奥靠吃蘑菇成长，特征是大鼻子、头戴帽子、身穿背带裤，还留着胡子。与他的双胞胎兄弟路易基一起，长年担任任天堂的招牌角色。

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。

Rocky Linux

Rocky Linux（中文名：洛基）是由Gregory Kurtzer于2020年12月发起的企业级Linux发行版，作为CentOS稳定版停止维护后与RHEL（Red Hat Enterprise Linux）完全兼容的开源替代方案，由社区拥有并管理，支持x86_64、aarch64等架构。其通过重新编译RHEL源代码提供长期稳定性，采用模块化包装和SELinux安全架构，默认包含GNOME桌面环境及XFS文件系统，支持十年生命周期更新。

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。

精选列表

DeepSeek Harness 公测一周迎来多模态大招，纯文本模型也能“看图”了

基于Python与LangChain构建多模态RAG系统：从向量检索到视觉问答的实战

视频理解RAG：从视觉感知到时序多模态检索系统的架构设计

. | 面向复合材料设计的序关系感知多模态表示学习

Google Gemma 4：把多模态、推理和端侧效率塞进一套模型

OpenAI又走了一员大将，这次腾讯要的是多模态命脉

NEO-unify：原生架构打造端到端多模态理解与生成统一模型

清华等联合发布 UltraRAG 2.1，全球首个基于 MCP 架构的多模态 RAG 框架

深化战略合作，优刻得接入智谱最强开源多模态 GLM-4.5V

蚂蚁百灵团队开源统一多模态大模型 Ming-lite-omni

普林斯顿、字节跳动等联合发布首个多模态扩散大语言模型 MMaDA

字节跳动开源 UI-TARS-1.5：基于视觉-语言模型构建的多模态智能体

Jina AI 开源全新多模态多语言重排器 jina-reranker-m0

微软 Phi-4 家族新成员：Phi-4 多模态和 Phi-4 迷你

【金融客服AI新玩法】语言学运用、LSTM+DSSM算法、多模态情感交互

支撑企业多域 Agent 群落：ooderAgent 部署与治理架构解读

DuET-PD 多轮说服评测：Agent 上线门禁实践指南

多 Agent 越多越好吗？关于协作、共识与冲突

大模型微调与 Agent 实战：从 LoRA 到多工具调用

一文解析多 Agent 编排架构模式全景

资源下载

Mario

Nacos

Rocky Linux

WebStorm

欢迎您来访！