搜索[原生多模态模型]结果-低调大师优秀个人博客

精选列表

搜索[原生多模态模型]，共10000篇文章

Claude Code + DeepSeek V4 唯一的遗憾要被补齐了：多模态识图灰度上线

不是凭空出现：那些被忽略的多模态铺垫很多人以为 DeepSeek 之前一直只做文本，识图能力是凭空冒出来。

2026-04-30

🔥 VTJ.PRO 重磅集成 Gemini 3，开源AI低代码引擎迈入多模态智能新纪元

此举标志着这款明星开源项目不再局限于单一AI能力，而是进化成一个具备多模态深度理解、复杂逻辑推理与高质量代码生成的智能开发平台，为前端与全栈开发者带来前所未有的效率革新。

2026-01-15

通义万相团队发布 Wan2.5-Preview，实现多模态输入与电影级视频同步生成

通义万相团队宣布Wan2.5-Preview已上线，首次原生支持音画同步，全面提升视频生成、图像生成、图像编辑三大核心能力，满足广告、电商、影视等商业级内容生产需求。

2025-09-24

智源联合南开大学开源 Chinese-LiPS 中文多模态语音识别数据集

智源研究院宣布已开源与南开大学共同构建的 Chinese-LiPS 中文多模态语音识别数据集。

2025-05-13

谷歌搜索测试「AI Mode」：整合多模态和实时信息、一键解答复杂问题

谷歌表示，AI 模式将提供更高级的推理、思考和多模态能力，帮助用户更高效地获取信息。谷歌表示，以往用户在处理复杂问题时，往往需要多次搜索才能解决，而“AI 模式”能够解决这个痛点。

2025-03-06

搜狗 AI 交互技术部总经理陈伟：未来AI语音交互产品将会走向多模态

借此契机，陈伟于 2012 年 8 月加入搜狗，负责带领搜狗 AI 交互技术团队，围绕搜狗“自然交互 + 知识计算”的 AI 战略，重点布局搜狗多模态人机交互技术的研发和产品化工作，研究的领域覆盖了多模态人机交互系统的各项技术

2020-06-03

DeepChat 0.2.0 发布，开源多模型 AI 聊天平台

DeepChat是一个功能丰富的跨平台开源AI助手应用，支持多种云端和本地大语言模型，以及多模态交互等高级特性，提供强大的搜索增强和工具调用能力。

2025-05-26

蚂蚁灵波发布全球首个空间原生视觉基础模型

各位 CVer 老铁，问一个扎心的问题：你手里那个视觉模型，放在真实的机器人身上，是不是瞬间变“人工智障”？

2026-07-13

豆包大模型 1.6 升级，原生支持 4 种思考长度

豆包大模型1.6发布全新升级：提供 Minimal、Low、Medium、High 四种思考长度，据称是国内首个原生支持“分档调节思考长度”的模型。

2025-10-16

云原生生态：全球首个开放应用模型 OAM 开源

作者 | 临石、元毅、冬岛、衷源、天元业界要闻全球首个开放应用模型 OAM 开源 2019 年 10 月 17 日，阿里巴巴合伙人、阿里云智能基础产品事业部总经理蒋江伟（花名：小邪）在 Qcon

2019-10-25

大模型A/B测试实践：基于API中转站实现多版本模型效果对比

大模型训练微调不是一次性工作，而是持续迭代的过程。每一轮调整数据集、修改训练参数，都会产出一个新版本模型。如何客观评估新版本模型相比旧版本有没有提升，就离不开A/B测试。

2026-10-04

以一致的体验交付和管理云原生多集群应用

针对第一类场景存在的问题，业界逐渐倾向于容器平台层原汁原味透出 K8s 原生 API，负责提供稳定的云原生生态能力，同时不影响灵活性和扩展性。

2022-01-06

演讲式 AI 陪练引擎设计：PPT 内容解析、翻页节奏感知与多模态评分的工程实现

对话陪练（销售话术、客诉处理）评估的是"说什么"——AI 扮演客户，看学员的应对是否得当，核心是内容与策略的匹配。演讲陪练评估的是"怎么说"——同样一份 PPT、同一篇讲稿，讲得流畅与讲得磕绊是两种结果，全程念稿与脱稿转述是两种水平，压着时间讲完与超时一半更是天壤之别。核心是表现与基准的偏离度。这个差异带来三个全新的工程问题：问题一：内容基准从哪来？对话陪练的基准是"标准应对话术"，通常几句话就够。演讲陪练的基准是"这 31 页 PPT 每页应该讲什么"——一份 31 页的方案汇报，全程应该讲 40 分钟，每页都有该覆盖的要点。基准必须做到页级粒度，否则评估无从谈起。问题二：翻页节奏怎么感知？现场演讲中"讲到哪页了"由演讲者翻页决定，AI 陪练要跟着学员的节奏走：学员说"下一页"，界面要翻页；学员第 3 页还没讲完就开始讲第 4 页的内容，AI 要知道当前应该停在第 3 页——否则"这一页漏讲了"的判定全部错位。问题三：表现质量怎么量化？ "讲得好不好"在人工评委那里是感觉，在 AI 这里必须拆成可计算的信号：语速（每分钟字数）、停顿（异常长停顿的次数与分布）、口头禅密度（"嗯""然后"的每分钟频次）、脱稿程度（演讲内容与 PPT 原文的逐字重合度）、时间管控（实际时长 vs 预算时长）。三个问题对应本文的三个核心模块：页级内容基准、翻页感知状态机、多维评分引擎。先看整体架构。

2026-10-14

合同审核的上半场是解析：腾讯云多模态文档解析的合同与档案场景实践

合同智能审核的成败，一半在审核模型，另一半在审核开始之前的数据准备——多源格式没统一、跨页条款断在中间、扫描件要素残缺，再好的审核规则也是空转。腾讯云多模态文档解析（MMDP）在产品页把合同列为核心场

2026-10-13

RAG 的地基在解析：腾讯云多模态文档解析与知识库建设八问直答

RAG 检索效果差，多数情况下不是向量模型的问题，而是解析环节欠的债——chunk 的质量上限，在进入向量库之前就被解析结果锁死了。腾讯云多模态文档解析（MMDP）深度融合 OCR 与多模态大模型能力

2026-10-13

新能源汽车充电站AI安全预警系统方案：多模态感知破解占位与通行乱象

随着新能源汽车保有量的激增，充电站“建得多、用得乱”的问题日益凸显。燃油车占位、非机动车乱停、场内超速逆行等行为，不仅降低了充电设施利用率，更埋下了安全隐患。传统的道闸+地锁方案成本高、体验差，且无法应对复杂动态场景。新能源汽车充电站AI安全预警系统方案通过纯视觉感知与边缘智能分析，实现了对场站全要素的实时理解与主动干预，为充电运营商提供了轻量化、高精度的数字化治理新路径。

2026-09-19

一个字段，搜遍所有媒体：用 semantic 字段为微信打造多模态搜索

Elasticsearch 9.5 的 semantic 字段让多模态搜索像文本搜索一样简单。

2026-08-18

台青辣董AIMV《阿母欄红龟粿》方言AI声纹建模：腾讯云多模态管线实践

我是廖昌威（辣董），一名闽南语母语者兼 AI 全栈开发者，用"方言声纹建模 + 微距超写实多模态管线"做的 AIMV《阿母欸紅龜粿》，拿下了第三届「京彩台湾」两岸青年短片大赛 AI 特别单元·我的家庭记忆三等奖

2026-07-24

多模态RAG幻觉率仍超40%，5段代码构建可信检索增强生成管道

引言：多模态RAG的信任危机 2026年7月，随着企业知识库全面向图文、表格、PDF等多模态数据演进，多模态RAG（检索增强生成）成为标配。

2026-07-15

多模态GEO优化：实景照片、门店短视频、门店实景全景图嵌入地理坐标提升权重

随着生成式AI与本地生活检索体系全面升级，主流平台本地流量排序逻辑已彻底革新，不再单一依靠文字关键词匹配，而是形成文本语义权重+视觉实景可信度权重+地理元数据确权权重+时空场景匹配权重四维评分体系。据行业公开检索权重拆分数据显示，在实体门店本地搜索场景中，地理元数据确权权重整体占比超42%，是决定平台判定门店真实度、本地匹配度、自然推荐优先级的核心维度。

2026-07-14

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。

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。

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。