搜索[端侧多模态]结果-低调大师优秀个人博客

精选列表

搜索[端侧多模态]，共10000篇文章

浅析APP控件：模态弹窗与非模态弹窗

浅析APP控件：模态弹窗与非模态弹窗在手机app应用中各种格式的弹窗效果相信大家都看过，此次分享就来谈谈关于app弹窗设计以及弹窗的适用情景。

2018-08-31

端侧数据校验机制：以太网温湿度变送器 CRC 校验与异常值过滤逻辑分析

在前几篇中，我们讨论了传输协议、边缘联动和时序存储。但有一个底层问题始终贯穿其中：传感器节点如何确信自己“采到的是对的”、“发出去的是真的”？

2026-09-16

端侧Agent模型能塞进手机了，工牌类硬件的语音处理要不要跟着"下沉"

Liquid AI 上周放出的 LFM2.5-2.6B，参数量只有 26 亿，却在工具调用和指令遵循两项基准上压过了参数翻倍的 Gemma 4-8B，在 Apple M5 Max 上能跑到 220 tokens/s，显存占用不到 2.5GB。这不是又一次"小模型打大模型"的营销叙事，值得看的是它的定位——不做内容生成，做动作执行：本地调用工具、多步规划、决策全程留在设备里，数据不出设备。

2026-08-10

AI PC 新突破端侧首次支持 128K 上下文窗口实现 2.2 倍推理优化

面壁智能正式发布并开源了「面壁小钢炮」端侧系列最新力作——MiniCPM 4.0 模型，实现了端侧可落地的系统级软硬件稀疏化的高效创新。

2025-06-08

最高增强至1440p，阿里云发布端侧实时超分工具，低成本实现高画质

但是，受制于端侧算力、设备兼容等问题，端侧超分方案规模化落地并不像想象中简单。

2022-09-28

数字人、AI 口播、异兽、舞蹈与绘画：多模态内容生产工程化实践

多模态 AIGC 内容生产的核心不是“单点生成”，而是把数字人、AI 口播、AI 异兽、AI 舞蹈、AI 绘画串成一条可复用流水线：脚本 → 分镜 → 图像 → 视频 → 音频 → 合成 → 审核 →

2026-10-15

工业AI Agent：从“单点质检”到“多模态工艺闭环与OT系统原生集成期”

既然前述硬科技赛道已覆盖，2026年真正被低估、却决定制造业智能化天花板的，是工业AI Agent。这一年，该领域彻底告别了“大模型+知识库=智能助手”的Demo叙事期，进入了 “PLC/DCS协议原生适配、毫秒级控制回路闭合、工艺知识可验证沉淀” 的工程深水区。西门子Industrial Copilot在宝马工厂实现焊接参数自适应调整且缺陷率下降40%，中控技术SupOS-Agent接入万华化学MDI产线完成异常工况自主处置，创新奇智、格创东智等国产Agent平台通过OPC UA over TSN认证并部署于半导体封测环节；更关键的是，工信部发布《工业人工智能体系统安全与互操作规范（2026）》，首次将“控制指令响应时延、人机协同置信度阈值、OT网络隔离合规性”列为准入硬指标，意味着行业评价标准从“能不能对话”转向“能不能控设备、能不能扛干扰、能不能信得过”。

2026-10-10

Codex + Seed-2.1-pro 实测：多模态理解 + Coding Agent 能扛住真实仓库吗?

前阵子在改一个拖拽布局的问题——react-grid-layout 的 Issue #2161：开发者给新卡片设 y: Infinity，希望它排到最底下，结果在 horizontal 和 null 两种模式下，新卡片直接跑到了网格左上角，盖住了已有内容。页面上一眼就能看出问题，代码里却要绕好几步。正好看到火山方舟的 Seed-2.1-pro 推了 0915 这一版的升级，就想着把它接进 Codex CLI 试试，看这个真实 Issue 能不能修。

2026-09-26

DeepSeek 开源的第一个多模态模型，不是拿来「看图说话」的

8 月 31 日，DeepSeek 在 Hugging Face 上线了 DeepSeek-V4-Flash-Vision-Exp，MIT License，V4 家族第一款实验性多模态模型。

2026-09-01

多模态大模型：打破“文字的牢笼”，让AI第一次睁开双眼

这种多感官融合的认知能力，是智能的重要底色。

2026-08-31

专访罗长才：GEO工程落地与多模态数字化实践的技术解构

本次专访邀请GEO高级优化师、落地工程师罗长才，从技术底层逻辑出发，拆解GEO在实体确权、多模态适配及垂类场景中的工程化落地路径。

2026-08-28

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

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

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

在其基础上，智谱进一步训练出全球100B级效果最佳的开源视觉推理模型——GLM-4.5V，在42个公开视觉多模态榜单中综合效果直接拿下了41个SOTA，涵盖图像、视频、文档理解以及GUI Agent等常见任务

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

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。

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。