搜索[多模态大模型]结果-低调大师优秀个人博客

精选列表

搜索[多模态大模型]，共10000篇文章

微软高管：下一代 Windows 深度整合 AI，实现多模态交互

他表示，未来的Windows将更具“环境感”，通过语音、语义理解等多模态技术，实现更自然的操作。例如，用户可直接通过语音与电脑对话，系统能理解上下文并智能响应。

2025-08-14

MNN LLM：让你手机本地也能跑 DeepSeek R1 还能支持多模态

这是一款开源工具，支持本地部署、移动端运行以及多模态处理（如文生图、语音输入等）。通过模型量化与硬件优化，MNN LLM显著提升了推理速度与稳定性，同时解决了下载困难的问题。

2025-04-21

服装行业多模态算法个性化产品定制方案 | 京东云技术团队

一、项目背景 AI赋能服装设计师，设计好看、好穿、好卖的服装传统服装行业痛点 • 设计师无法准确捕捉市场趋势，抓住中国潮流 • 上新周期长，高库存滞销风险大 • 基本款居多，难以满足消费者个性化需求

2023-08-08

【CV学霸开讲】卷积神经网络压缩、多模态的语义分析研究

陈师哲同学在“多模态情感识别”和“视频内容自然语言描述”研究方面取得了突出的研究成果，在领域顶级会议和期刊发表论文十余篇，并在多项高水平学术竞赛中取得优异成绩，表现出很强的科研能力、实践动手能力和科研潜力

2018-01-25

【阿里ICCV论文技术解读】基于层次化多模态LSTM的视觉语义联合嵌入

精准描述商品：计算机视觉和自然语言处理的联合近年来, 随着深度学习技术的快速发展, 人们开始尝试将计算机视觉(Vision)和自然语言处理(Language)两个相对独立的领域联合起来进行研究, 实现一些在过去看来非常困难的任务，例如“视觉-语义联合嵌入(Visual-Semantic Embedding)”。该任务需要将图像及语句表示成一个固定长度的向量，进而嵌入到同一个矢量空间中。这样，通过该空间中的近邻搜索可以实现图像和语句的匹配、检索等。视觉语义联合嵌入的一个典型应用就是图像标题生成（Image Captioning）：对于任意输入的一张图像, 在空间中找到最匹配的一句话, 实现图像内容的描述。在电商场景下, 淘宝卖家在发布一件商品时, 该算法可以根据卖家上传得图片, 自动生成一段描述性文字, 供卖家编辑发布使用。再比如，

2017-10-24

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

剖析大模型产生幻觉的三大根源

编者按：为什么大语言模型总是"一本正经地胡说八道"？它们是在故意欺骗，还是被训练机制"逼"成了这样？

2025-11-28

CC Switch 的本机多模型路由实践

我在日常开发中会切换不同的模型服务。每个工具的配置位置不同，有的写在设置文件里，有的写在环境变量里，还有的需要重启插件才能生效。切换一次模型，常常要重复改接口地址、模型名称和密钥变量。

2026-08-24

多兴趣召回模型实践｜得物技术

具体的来说，多兴趣模型的输入为用户的行为序列，该行为序列在瀑布流场景使用的是用户的点击、收藏、分享的cspuid，输出则是用户的多个兴趣向量（这个size可以定义，由网络的输出维度确定），一般而言，兴趣向量的区别集中在类目

2022-06-10

MiniMax H3 正式上线，视频模型也开始玩全模态了

上个月 MiniMax 刚用 M3 在文本模型上刷了一波存在感，今天 H3 来了——一款全模态生成模型，而且承诺几天内开源权重。先看能力边界。

2026-07-31

大模型备案 vs 大模型登记：2026年AI产品合规路径详解

这两年AI行业的发展速度有目共睹——截至2026年7月，国内发布大模型总数已达1509个，位居全球第一；全国人工智能产业企业数量超过13.4万家。但伴随爆发式增长而来的，是合规要求的快速收紧。

2026-09-02

算法备案、大模型备案、大模型登记，到底该办哪一个？

本文从云上开发视角，拆解三项合规义务的定位、适用对象，结合调用第三方大模型 API、微调开源模型、内部私有化部署等典型场景，给出可直接落地的判断方法。

2026-08-20

蚂蚁百灵大模型团队开源 MoE 大模型 Ling-flash-2.0

蚂蚁百灵大模型团队正式开源其最新 MoE 大模型 ——Ling-flash-2.0。

2025-09-18

✍🏻测评报告 | 2023 中文大模型全景及国内外大模型测评

《中文大模型基准测评2023年度报告》，由 SuperCLUE 团队发布，报告提供了 2023 年中文大模型发展的全面回顾，包括关键进展、测评体系、综合测评结果以及优秀模型案例，为了解该领域的最新动态提供了宝贵的信息

2024-03-20

2026 年 AI Agent 市场全景：LightVela 如何满足多通道、多模型需求

本文分析当前市场的竞争格局和用户需求变化，探讨 LightVela 如何通过多通道接入和多模型支持满足用户的多样化需求。一、2026

2026-07-14

记录TritonServer部署多模型到多GPU踩坑 | 京东云技术团队

一、问题是怎么发现的部署chatglm2和llama2到一个4*V100的GPU机器上遇到问题 config.pbtxt 中设置模型分别在指定gpu上部署实例配置不生效如以下配置为在gpu0上部署本模型

2023-10-17

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

专访罗长才：GEO工程落地与多模态数字化实践的技术解构

导语：在生成式人工智能重塑信息分发逻辑的当下，GEO（Generative Engine Optimization，生成式引擎优化）正从早期的内容排版优化，演进为面向大模型全链路知识治理的系统性工程。

2026-08-28

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

资源下载

更多资源

腾讯云软件源

为解决软件依赖安装时官方源访问速度慢的问题，腾讯云为一些软件搭建了缓存服务。您可以通过使用腾讯云软件源站来提升依赖包的安装速度。为了方便用户自由搭建服务架构，目前腾讯云软件源站支持公网访问和内网访问。

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。

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。