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10000篇文章

懒懒笔记 | 课代表带你梳理【RAG课程 13&14：多模态突围与综合论文问答系统实战】

第13、14讲，火力全开攻克“多模态”难题，聚焦如何让 RAG 看图识表、解读论文、图文并茂输出高质量答案！为什么要引入多模态？

2025-06-20

LlamaFactory × 多模态RAG × Chat-BI，万字长文揭秘RAG进化迷踪，打造专业AI助手！

涉及多路召回多模态RAG、多模态问答、Chat-BI、Agent、LLM微调、多模态模型微调等等。让我们开始吧！

2025-06-03

张建伟院士将出席 GOTC 2024，分享多模态具身智能与机器人系统创新成果

近三十年来，他一直致力于多模态具身智能理论、机器人开源操作系统，人工智能在机器人类人操作、多模态智能机器人系统以及机器人协同装配等领域的研究。

2024-08-13

开源点云及图像多模态训练数据平台 Xtreme1 更新版本 V0.5.1

Xtreme1 Docker Compose 本地部署后可以使用 localhost 或 IP 来访问，并进行了一些软硬件需求等文档更新；本地模型运行目前仅支持Linux server（NVIDIA Driver或NVIDIA Container Toolkit） Component Recommended configuration GPU Nvidia Tesla T4 or other similar Nvidia GPU GPU RAM 6G or more RAM 4G or more

2022-09-27

多模态大模型深度实践：从统一架构到端侧部署的全链路解析

早期的多模态模型多采用“视觉编码器 + 语言模型”的拼接式设计（如LLaVA），视觉特征通过投影层映射到LLM的输入空间。

2026-09-02

纯文本AI vs 多模态AI：能看图、能识图的客服，和只会打字的客服，谁更卖货？

你有没有遇到过这种情况：明明已经打了几百字描述问题，客服还是回一句“请您提供一下商品照片”？或者你发了一张图片过去，对面沉默了五分钟，最后说“请您用文字描述一下图片内容”？

2026-07-29

同程旅行用 Apache SeaTunnel 搭建多模态统一数据通道

同程旅行数据通道服务历经多年演进，形成了数据搬运、数据集成、Sqoop、SeaTunnel 四套并存的格局，功能重叠、引擎割裂、整体运维成本居高不下。

2026-07-16

面壁智能发布 MiniCPM-V 4.6：1.3B 性能“小钢炮”，端侧多模态门槛降至 6G

2026 年 5 月 11 日，面壁智能联合清华大学、OpenBMB 开源社区正式推出新一代端侧多模态大模型 MiniCPM-V 4.6。

2026-05-27

快手正式全量上线可灵 AI 视频 O1 模型，全球首个统一多模态视频模型

快手可灵 AI 团队宣布，全球首个统一多模态视频模型——可灵视频 O1 模型全量上线。

2025-12-02

苹果 WWDC 25 视觉智能 AI 升级开放，微美全息以多模态模型驱动场景革新提升竞争力

从技术方向来看，AI（人工智能）大模型正朝着多模态、专业化、通用化以及大小模型协同的方向发展。

2025-06-10

我用多模态评测API做了一场10w+刷屏活动

摘要：闲着没事用多模态评测API做了一个测评英语口语的互动小游戏，居然成了一场10万人参与的刷屏级活动。

2020-07-29

中启联信AI编目系统架构设计与实践：基于多模态AI的媒体智能编目解决方案

在媒体行业数字化转型的大背景下，各级广电机构、内容平台、政企宣传部门积累了海量的音视频素材。这些素材是宝贵的内容资产，但长期以来面临着"存得下、找不到、用不快"的困境。传统人工编目模式效率低、成本高、颗粒度粗，已经无法满足媒体行业对内容资产高效管理的需求。

2026-09-14

创作者辣董（廖昌威）方言AI声纹建模与多模态管线：腾讯云工程化落地实践

第三届「京彩台湾」两岸青年短片大赛 AI 特别单元三等奖作品《阿母欸紅龜粿》，以方言 AI 声纹建模与微距超写实多模态管线，验证了从技术 Demo 到真实文化场景落地的完整链路。

2026-07-21

让医生不用写代码轻松用AI——东软多模态医学人工智能平台重塑医学科研范式

把AI开发从“写代码”变成“搭积木” 东软推出的“探索多模态医学人工智能平台”，核心要解决的就是一件事—&mdash

2026-07-10

月之暗面拟于 1 月或 3 月上线多模态新模型，型号或为 K2.1/K2.5

根据《科创板日报》的报道，月之暗面计划于2026年1月或3月上线新款多模态模型，型号或为K2.1/K2.5。

2026-01-04

11Labs 发布对话式 AI 2.0，集成话轮转换和知识库，多语言多角色多模态

ElevenLabs Conversational AI 现已支持多模态，用户可以创建能够通过文本、语音或同时通过两者进行交流的智能体。

2025-06-03

指静脉识别：一个“销声匿迹”了近二十年的多模态生物识别技术要“重出江湖”

多模态生物识别技术的应用时机已到市面上见到最多的识别技术肯定是指纹识别。由于技术门槛较低，近几年指纹识别技术在考勤、移动智能设备、门禁等多个应用场景中被广泛使用。

2017-08-08

多模态解析返回的不只是文字：压缩包里那个图片文件夹，才是还原整页版式的关键

摘要：多模态解析（文档版）返回含 .md、.json 与 images 文件夹的 zip 压缩包，其中 images 文件夹保留原图，是还原整页版式、把图表入 RAG 的关键。一、纯文本抽取为什么

2026-09-22

多模态GPT-V出世！36种场景分析ChatGPT Vision能力，LMM将全面替代大语言模型？ | 京东云技术团队

作为LMM (Large Multimodal Model) 的代表，它不仅继承了LLM (Large Language Model) 的文本处理能力，还加入了图像处理的功能，实现了文本与图像的多模态交互

2023-10-20

具身智能工业落地：Sim-to-Real迁移保真度、触觉-视觉多模态融合与动态安全合规验证体系实战

当“通用机器人”从展厅演示走向柔性产线，一场关乎制造业能否真正迈入自适应时代的工程革命正从仿真平台走向真实车间。2025年末至2026年初，具身智能（Embodied AI）产业化迎来关键拐点：Figure AI宣布其Figure 02机器人在宝马工厂完成连续8小时无干预装配任务，成功率>98%；特斯拉Optimus Gen-3集成高密度电子皮肤，实现亚毫米级力控抓取；更关键的是，国家标准化管理委员会于2026年8月发布《工业机器人具身智能系统安全与性能评价规范》，首次将“Sim-to-Real任务迁移成功率≥95%”和“人机协作动态风险响应时间<50ms”纳入强制性认证指标。这标志着行业竞争焦点已从“自由度与负载能力”全面转向可迁移、可感知、可合规的工业级具身能力构建。

2026-08-14

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。