搜索[跨模态推理]结果-低调大师优秀个人博客

精选列表

搜索[跨模态推理]，共10006篇文章

面试大杂烩

@CrossOrigin 启用跨域请求。可以标注在控制器类或方法上，为请求处理方式启用跨源资源共享（CORS）。数据访问/事务注解注解说明 @Transactional 声明式事务管理。

2025-09-18

xtools-app一款基于JDK25,SpringBoot4,SpringCloud的最新微服务脚手架

代码生成模板渲染 Knife4j 4.5.0 API文档增强增强Swagger UI，国人友好 BouncyCastle 1.84 加密库 SM2/SM3国密算法支持 OSHI 6.12.0 系统监控跨平台系统信息采集

2026-06-09

vivo 等提出 DiMo-GUI：模态分治 + 动态聚焦，GUI 智能体推理时扩展的新范式

（GUI）定位任务中的挑战，通过动态视觉推理与模态感知优化显著提升性能。

2025-08-27

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

谷歌发布新一代 AI 模型 Gemini 3：在推理、多模态、编程等主流测试中全面领先

据谷歌官方介绍，Gemini 3 Pro 是目前“最智能、最具适应性的模型”，专为解决现实世界中的复杂问题而设计——尤其是那些需要更高层次推理、创造力、战略规划以及逐步改进的任务。

2025-11-19

EMNLP 2025｜vivo 等提出 DiMo-GUI：模态分治+动态聚焦，GUI 智能体推理时扩展的新范式

（GUI）定位任务中的挑战，通过动态视觉推理与模态感知优化显著提升性能。

2025-08-26

腾讯云WorkBuddy：以多模态感知与OAuth标准接入赋能硬件跨端智能协同

腾讯云WorkBuddy通过全模态感知与OAuth标准接入，赋能硬件跨端智能协同。

2026-09-11

没有推理轨迹，如何“偷走”模型的推理能力？

很多推理模型在回答复杂问题时，会在内部进行长链条推理，但这些完整的推理轨迹（Reasoning Trace），也就是我们常说的思维链，并不会全部展示给用户。

2026-08-18

生成式AI正在快速降低内容生产和内容修改的门槛。AI图片、AI视频和大模型生成文本已经大量进入社交平台、电商交易和日常办公场景，普通用户只需输入提示词，便可以生成较为逼真的人物、商品、票据和文案。过去，修改转账截图、伪造商品破损图或制作换脸视频，需要掌握一定的软件操作能力；现在，借助图像生成、局部重绘、视频驱动和大模型写作工具，普通用户也能在较短时间内完成。更麻烦的是，这些内容往往会经过截图、压缩、裁剪和二次转发，原有的生成痕迹进一步被削弱，仅靠肉眼是很难判断的。

2026-07-20

推理实践丨如何使用MindStudio进行Pytorch模型离线推理

摘要：本教程所示例的任务是Ascend Pytorch离线推理，即对给定的已经训练好的模型参数和推理脚本，在Ascend 310/710和Tesla设备上进行推理应用。

2022-07-08

网页多模态建模思考

由于HTML的复杂性特点，使得网页体现出多模态性，多粒度性，并且这些模态内部存在复杂的对应关系。多模态性所谓多模态性，即从不同视角下，网页体现出不同的形态。

2024-12-26

ImageBind —— 多模态 AI 模型

ImageBind 是支持绑定来自六种不同模态（图像、文本、音频、深度、温度和 IMU 数据）的信息的 AI 模型，它将这些信息统一到单一的嵌入式表示空间中，使得机器能够更全面、直接地从多种信息中学习，

2023-05-11

大语言模型推理提速，TensorRT-LLM 高性能推理实践

TensorRT-LLM[1]是 NVIDIA 推出的大语言模型（LLM）推理优化框架。

2024-02-21

大语言模型推理提速：TensorRT-LLM 高性能推理实践

TensorRT-LLM [ 1] 是 NVIDIA 推出的大语言模型（LLM）推理优化框架。

2024-01-23

具身智能世界模型：神经辐射场实时重建、触觉-视觉跨模态对齐与Sim-to-Real安全验证体系实战

集成自研世界模型，能在未见过的厨房环境中自主规划抓取路径，零样本泛化成功率达78%；更关键的是，英伟达于2026年7月正式发布Cosmos 2.0世界基础模型平台，首次将“物理一致性评分≥0.92”和“触觉-视觉跨模态对齐误差

2026-08-28

通义开源推理大模型 QwQ，推理水平比肩 OpenAI o1

11 月 28 日，阿里云通义团队发布全新 AI 推理模型 QwQ-32B-Preview，并同步开源。

2024-11-28

多模态测试技术深度解析

2024年，GPT-4V、Qwen-VL、Gemini 1.5等大模型已具备跨文本、图像、音频、视频甚至传感器信号的联合理解与生成能力。

2026-09-09

ClaudeCode-图像与多模态

比如要把一张设计师给的页面截图还原成网页。搁以前，咱们得对着图一个像素一个像素量——这块间距多少、字号几号、按钮圆角几度，光抠数值就得磨一上午。

2026-07-22

具身智能工业落地：触觉-视觉跨模态对齐、Sim-to-Real域自适应与功能安全合规验证体系实战

当人形机器人从展厅演示走向产线装配，一场关乎智能制造能否真正替代人工的工程革命正从算法论文走向车间现场。2025年末至2026年初，具身智能产业化迎来关键拐点：特斯拉Optimus Gen3在弗里蒙特工厂完成电池模组连续8小时无干预装配；宇树科技H1实现汽车线束插接成功率99.2%，力控精度±0.3N；更关键的是，国际标准化组织（ISO）于2026年7月发布《工业机器人具身智能系统功能安全要求》（ISO/TS 15066-3），首次将“触觉-视觉感知一致性”和“仿真到现实迁移可靠性”纳入强制性安全认证条款。这标志着行业竞争焦点已从“运动自由度与负载能力”全面转向可感知、可迁移、可验证的工业级工程能力构建。

2026-08-12

当“眼见为实”失效：拆解 AI 跨模态鉴伪的技术栈、工程边界与落地路径【AI图像鉴伪】

在本届大会上，合合信息展示了全新升级的AI跨模态鉴伪技术，将鉴伪范围拓展至图片、视频、文本等主要信息介质，为社交聊天、图文资讯、电商交易、短视频、学术研究以及金融保险风控等场景提供可信内容识别的新思路。

2026-07-20

视频推理框架进展I

摘要：近年来，测试时间优化的进步使得大模型（LLM）在推理能力方面取得了显著的提升，使它们能够解决数学和编码方面高度复杂的问题。

2026-07-13

优化故事: BLOOM 模型推理

行百里者半九十，推理优化又是新的雄关漫道。如何进行延迟优化？

2023-04-17

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。