搜索[多模态理解]结果-低调大师优秀个人博客

精选列表

搜索[多模态理解]，共10006篇文章

CentOS6,CentOS7官方镜像安装Oracle11G

yum install oracle-rdbms-server-11gR2-preinstall -y 注意: 这个工具会调整内核参数,建立一些必要的linux用户&组可能网络不好会安装不成功,多install

2025-09-05

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

项目采用多模块架构，支持独立部署（Standalone）和微服务部署两种模式。

2026-06-09

多模态测试工具深度对比：选型指南

用户可能用语音唤醒APP、拍照识别商品、上传手写笔记触发OCR+语义分析，甚至通过AR眼镜叠加实时翻译字幕——这些场景背后，是文本、图像、音频、视频、传感器数据等多模态信息的协同处理。

2026-09-09

LoVR：面向长视频的多模态检索基准

摘要：近日，北京大学与OceanBase联合提出的长视频多模态检索基准LoVR被WWW录用。

2026-02-26

OpAgent：登顶 WebArena 的多模态 Web GUI Agent

本文介绍了蚂蚁集团全模态代码算法团队自研的多模态 Web 智能体 OpAgent 。

2026-02-14

阿里云推多模态交互开发套件

阿里云正式发布多模态交互开发套件，旨在为智能硬件厂商提供“开箱即用”的AI能力底座。

2026-01-08

蚂蚁集团多模态 AI 应用“灵光”即将发布

据新浪科技消息，近日，一款名为“灵光”的全新多模态应用已在腾讯应用宝、vivo 应用商店等平台悄然上线，并开启邀约内测。用户可通过手机号或支付宝账号直接登录体验。

2025-10-24

阿里推出多模态深度研究智能体 WebWatcher

阿里巴巴自然语言处理团队宣布推出WebWatcher，这是一个开源的多模态深度研究智能体，旨在突破现有闭源系统和开源Agent在多模态深度研究领域的局限性。

2025-08-18

腾讯开源多模态统一 CoT 奖励模型

腾讯混元联合上海 AI Lab、复旦大学、上海创智学院，于近日正式推出了全新研究成果 —— 统一多模态奖励模型（Unified Reward-Think）。

2025-05-14

VLMs 多模态大模型当下进展与思考

紧接着在2023年3月，OpenAI发布了支持多模态输入的GPT-4，并展示了其强大的图像理解能力。

2024-07-05

韩国 Kakao 开源多模态大语言模型 Honeybee

韩国科技巨头 Kakao 日前表示，它已经开发了一种名为 Honeybee 的多模态大语言模型（MLLM），以扩大该公司在 AI 市场的影响力。

2024-01-19

苹果发布开源多模态大语言模型 Ferret

科技媒体 VentureBeat报道称，苹果公司在 2023 年 10 月低调发布了一款名为 Ferret 的开源多模态大语言模型，这是苹果与哥伦比亚大学研究人员的合作成果。

2023-12-25

详解：多模态知识图谱种类及其应用

图1.多模态知识图谱的发展过程多模态知识图谱与传统知识图谱的主要区别是，传统知识图谱主要集中研究文本和数据库的实体和关系，而多模态知识图谱则在传统知识图谱的基础上，构建了多种模态（例如视觉模态）下的实体

2021-03-05

Doubao-Seed-2.0-lite 升级，支持全模态理解

Doubao-Seed-2.0-lite 宣布升级新版本，这是豆包大模型家族首款全模态理解模型，支持视频、图像、音频、文本原生统一理解，Agent、Coding 与 GUI 能力同步升级。

2026-05-07

2026多模态RAG“幻觉风暴”调查：跨模态对齐失效与语义锚点重构纪实

2026年7月，随着企业知识库全面进入图文音视频混合时代，多模态RAG（检索增强生成）成为大模型落地的标配。

2026-07-15

快手基于 Apache Doris 千亿多模态检索的实践

导读：大模型和 AI Agent 落地之后，多模态内容向量化与相似度检索逐渐成为大数据分析的基础能力。

2026-09-20

2026年多模态测试的5大认知误区

2026年，多模态AI已深度嵌入金融风控（如视频面审+语音情绪+OCR证件识别）、智能座舱（手势+语音+眼动+环境光融合交互）、医疗影像辅助诊断（CT图像+病理报告+患者主诉文本联合推理）等关键场景。

2026-09-09

多模态数据平面：让 PDF、图像、视频进入 Ontology

企业里绝大多数信息从不住在数据库表里。合同是 PDF，现场是图像，车间是视频，调度录音是音频。业务真正发生的地方，恰恰是被我们轻描淡写称作"非结构化数据"的那一堆文件。但多数公司的"操作系统"——不管是自研中台还是 Palantir 那样的本体系统——第一反应还是先把数据塞进关系表，能用 SQL 或 GraphQL 查到才算"接入"。结果常常是：结构化主数据建得很漂亮，真正承载业务语义的非结构化内容，全堆在对象存储里吃灰。

2026-09-08

深度解读：多模态测试的5大常见误区

引言随着AIGC、智能座舱、具身智能机器人等技术爆发式发展，多模态AI系统（融合文本、图像、语音、视频、传感器信号等多源输入与输出）正加速落地。

2026-07-24

昇腾多模态生成套件 MindIE SD 开源

华为计算宣布昇腾多模态推理加速套件 MindIE SD 项目现已开源。

2025-12-22

商汤联合南洋理工开源多模态模型架构 NEO

商汤科技与南洋理工大学S-Lab联合发布并开源全新多模态模型架构NEO，通过底层架构创新实现视觉与语言的深层统一，在性能、效率和通用性上取得全面突破。

2025-12-03

悟了，多模态才是智能应用爆发的关键

丁小晶表示，多模态技术非常重要，甚至可以说，没有多模态技术效果的快速提升，教育行业不可能如此迅猛发展。

2025-06-30

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。