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

MiniMax M3 正式发布：前沿 Coding 能力、1M 上下文、原生多模态

它也是一个原生多模态模型，支持图片和视频的输入，并能操作电脑桌面。

2026-06-01

Gemini API File Search 升级：多模态检索、自定义元数据与页码引用全面落地

Google DeepMind 团队宣布对 Gemini API 的 File Search 工具进行重大扩展，推出三项核心功能更新——多模态支持、自定义元数据过滤，以及页码级引用

2026-05-11

实时多模态如何重塑未来交互？我们邀请 Gemini 解锁了 39 个实时互动新可能

大会上，Google 发布了多个实时多模态新品，包括支持音视频输入的多模态模型 Gemma 3n 、升级主动音视频功能的 Gemini Live API 、支持实时双语翻译配音的 Google Meet

2025-06-09

RWKV 社区三月新增 14 篇学术论文和若干多模态项目

发布并开源新项目：WorldRWKV（RWKV 多模态）新项目：RWKV-TTS（RWKV 文本转音频） RWKV 学术研究动态 RWKV 学术研究包括基于 RWKV 架构的新论文或 RWKV

2025-03-28

SAM、CLIP...最近有哪些基于 RWKV 的多模态等研究？【第二期】

大家好，我们整理了近期 RWKV 生态中新增的一些多模态工作，包含：RWKV-SAM（图像分割模型）、RWKV-CLIP（视觉语言表示学习）、point-RWKV（3D 点云学习框架）…… RWKV-SAM

2024-07-08

阿里iDST ICCV 2017录用论文详解：基于层次化多模态LSTM的视觉语义联合嵌入

本文讲的是阿里iDST ICCV 2017录用论文详解：基于层次化多模态LSTM的视觉语义联合嵌入， ICCV，被誉为计算机视觉领域三大顶级会议之一的、作为计算机视觉领域最高级别的会议之一，其论文集代表了计算机视觉领域最新的发展方向和水平

2017-10-23

大模型入门：从"猜词游戏"到"超级大脑"，一篇读懂 AI 大模型

2023 年初，ChatGPT 横空出世，"大模型"三个字一夜之间刷爆了所有人的朋友圈。有人拿它写代码，有人拿它写情书，还有人拿它辅导孩子做数学——而且它居然真的会。

2026-07-14

大模型对战平台「SuperCLUE琅琊榜」排名首发，国内大模型首超 GPT 3.5

SuperCLUE-琅琊榜官方唯一地址：www.SuperCLUEAI.com SuperCLUE 是中文通用大模型综合性测评基准。

2023-06-01

实测：一种大模型多版本本地部署终端配置清单（附 11 类版本体积对照）

本文基于 HuggingFace 镜像站 API 实测数据（经 10 轮交叉核对），以 Qwen3.8-27B为实例，在 8 类典型终端上的适配清单与 11 类细分版本体积对照，逐环节解读显存、内存、速度、存储、散热、预算、格式、版本更新等要素，并给出比价决策的三条实测原则与升级优先级。文末前瞻 AI 笔记本的 CPU+GPU 与统一内存两条路线，为关注新品类的读者提供判断标准。【编写目的】

2026-10-05

大模型多Agent核心能力：深入了解协作架构与任务调度，完整构建复杂AI协同任务22.7

单一大模型不管参数多大、能力多强，遇到复杂任务总会力不从心。

2026-09-16

一套代码接入五家大模型：Silicon-AI 多 LLM 抽象层的技术亮点拆解

前面聊过智能体、RAG、MCP、工作流引擎与数据库，这一篇讲平台的地基之一——多 LLM 抽象层：Qwen、DeepSeek、Doubao、GLM、OpenAI 五家模型，业务代码如何做到"换模型只换配置

2026-09-11

技术深度解析｜面向多轮问答场景的GEO内容语义铺垫设计：适配腾讯元宝大模型采信逻辑

核心定位：腾讯元宝多轮语义识别机制、GEO分层语义铺垫原理、多轮对话知识留存技术、腾讯生态长效内容适配方法论

2026-08-26

大模型API多活架构：当DeepSeek V4 Pro成为生产依赖后，灾备盲区在哪

大模型API多活架构：当DeepSeek V4 Pro成为生产依赖后，灾备盲区在哪这篇文章写给正在把大模型API接进核心业务链路的架构师和SRE。

2026-08-14

大模型比价：2026年选模型别只看价格

大模型比价：2026年选模型别只看价格这几个月我经常被朋友问到同一个问题：「现在大模型这么多，到底哪个最划算？」

2026-07-17

通义大模型开源发布 3D 数字人大模型

通义大模型开源发布 LHM 可驱动 3D数字人生成模型，可单图秒级生成超写实3D数字人，基于生成的3D数字人搭建了完整的实时交互对话工程链路，包括LLM、ASR、TTS和数字人模块，即输入一张图片、即可与这张图片所生成的数字人化身进行低延迟的实时对话

2025-04-08

万亿参数时代：大模型与小模型的竞合之路

GLM-130B ：智谱开源的GLM-130B模型，具有1.3万亿参数。 M6：达摩院的多模态预训练模型M6，拥有10万亿参数。然而这种大模型之间的军备竞赛，令业内十分担忧。

2024-06-23

什么是LLM大模型训练，详解Transformer结构模型

本文分享自华为云社区《LLM 大模型学习必知必会系列(四)：LLM训练理论篇以及Transformer结构模型详解》，作者：汀丶。

2024-06-04

JVM内存模型和结构详解(五大模型图解)

JVM内存模型和Java内存模型都是面试的热点问题，名字看感觉都差不多，实际上他们之间差别还是挺大的。

2022-08-08

面壁智能开源新一代全模态旗舰模型 MiniCPM-o 4.5

面壁智能开源了新一代全模态旗舰模型 MiniCPM-o 4.5。

2026-02-04

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。

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。