搜索[全模态理解]结果-低调大师优秀个人博客

精选列表

搜索[全模态理解]，共10000篇文章

Google Gemma 4：把多模态、推理和端侧效率塞进一套模型

这让产品团队可以在稠密小模型、统一多模态模型和 MoE 之间，按**设备内存、吞吐量与能力目标**选择不同落点。 !

2026-07-17

OpenAI又走了一员大将，这次腾讯要的是多模态命脉

一个纯正的视觉系研究员,现在要去搞多模态。有意思的是,他的MIT个人页面上还挂着Google DeepMind的介绍,大概还没来得及更新。

2026-07-13

清华等联合发布 UltraRAG 2.1，全球首个基于 MCP 架构的多模态 RAG 框架

该版本彻底简化多模态智能检索系统的构建流程——研究人员仅需编写几行YAML配置文件，即可实现多阶段推理、生成与评估，无需一行代码，大幅降低技术门槛。

2025-11-12

深化战略合作，优刻得接入智谱最强开源多模态 GLM-4.5V

在其基础上，智谱进一步训练出全球100B级效果最佳的开源视觉推理模型——GLM-4.5V，在42个公开视觉多模态榜单中综合效果直接拿下了41个SOTA，涵盖图像、视频、文档理解以及GUI Agent等常见任务

2025-08-13

蚂蚁百灵团队开源统一多模态大模型 Ming-lite-omni

蚂蚁百灵大模型（Ling）团队正式开源统一多模态大模型 Ming-lite-omni。

2025-05-29

普林斯顿、字节跳动等联合发布首个多模态扩散大语言模型 MMaDA

普林斯顿大学、字节跳动 Seed、北大和清华等研究团队合作提出了多模态扩散大语言模型MMaDA（Multimodal Large Diffusion Language Models），作为首个系统性探索扩散架构的多模态基础模型

2025-05-23

字节跳动开源 UI-TARS-1.5：基于视觉-语言模型构建的多模态智能体

据介绍，这是一款基于视觉-语言模型构建的开源多模态智能体，能够在虚拟世界中高效执行各类任务。

2025-04-18

Jina AI 开源全新多模态多语言重排器 jina-reranker-m0

Jina AI正式发布jina-reranker-m0，一款多模态、多语言重排器（reranker），核心能力在于对包含丰富视觉元素的文档进行重排和精排，同时兼容跨语言场景。

2025-04-09

微软 Phi-4 家族新成员：Phi-4 多模态和 Phi-4 迷你

今日，微软宣布为 Phi-4 家族推出两款全新模型：Phi-4 多模态（Phi-4-multimodal）和 Phi-4 迷你（Phi-4-mini）。

2025-02-27

【金融客服AI新玩法】语言学运用、LSTM+DSSM算法、多模态情感交互

三大痛点：传统NLP方法对意图和语意理解不足、缺少深度学习训练模型数据、无法精确感知用户情绪通常意义上的智能客服系统有语音客服、文字客服两大形态，其核心技术主要由语音识别、自然语言处理、语音合成组成（

2018-01-14

上门维修平台全生命周期搭建指南：服务器架构 + 支付结算体系全拆解

## 3.2 专业维修平台资金结算架构设计（最终落地方案）第二版项目搭建时，我彻底推翻传统结算逻辑，采用**「资金专户托管+动态分账引擎+全链路逆向清算」**的合规结算架构。

2026-10-03

领域驱动设计（DDD）架构全解析

而在线图表工具，可以高效地支持DDD架构的全流程可视化。 ### **绘制方法：** 1. 进入在线思维导图工具个人文件页，创建“流程图”，或者直接在模板社区搜索DDD架构设计等关键词； 2.

2026-07-27

GEO 核心技术名词全解

**GEO意义**：理解其'写作'依赖检索质量，是后续一切优化的前提。 **实操要点**：把生成式引擎视为'会写作的搜索引擎'，而非传统搜索引擎来对待。

2026-07-27

![](https://developer.qcloudimg.com/http-save/yehe-11081884/46d54d0bd585a61be2d334caf609a874.jpg) 你有没有这种感觉：写了个好用的轮子，身边同事都在问“能不能 pip install”，结果你只能甩给他们一个GitHub链接。其实把自己的代码发布到PyPI不难，10分钟就能搞定。但网上教程要么太老（setup.py 写法早就废弃了），要么漏掉关键步骤，发上去装不上，一堆人骂你。今天手把手带你走一遍，保你能发、能装、能更新。 --- ## **准备：目录结构长这样** 先规划好项目结构，别乱七八糟往上怼。 ``` my_package/ ├── src/ │ └── my_package/ │ ├── __init__.py │ └── core.py ├── tests/ ├── README.md ├── pyproject.toml ├── LICENSE └── .gitignore ``` 关键点说清楚： - **src布局**（src/my_package）已经是2024年的标准写法了，比直接 my_package/ 在根目录要好很多 - `__init__.py` 必须有，不然Python不认这是个包 - `pyproject.toml` 是现在的核心配置文件，setup.py 那种老写法不推荐了 --- ## **第一步：写 pyproject.toml** 这个文件告诉pip怎么安装你的包，最重要。 ``` [build-system] requires = ["hatchling"] build-backend = "hatchling.build" [project] name = "my-package-nickname" version = "0.1.0" description = "一句话描述这包干啥的" readme = "README.md" license = {text = "MIT"} authors = [ {name = "Your Name", email = "you@example.com"} ] classifiers = [ "Programming Language :: Python :: 3", "License :: OSI Approved :: MIT License", "Operating System :: OS Independent", ] requires-python = ">=3.8" [project.urls] Homepage = "https://github.com/yourname/my-package" ``` 坑在哪： **name 必须唯一**，你随便写个 “utils” 肯定被人抢注了。建议加个前缀，比如 “wuxc-utils”，我之前随手写了个名字，上传的时候直接报错“名字已被占用”，只能改。 **requires-python 别写太低**，如果你用了 match-case 语法，那至少 >=3.10。 --- ## **第二步：写 init.py** 别小看这个文件，很多人发完包 pip install 成功，但 import 报错。 ``` """my_package: 一个简短描述""" __version__ = "0.1.0" from .coreimportMyClass ``` 建议至少导出 `__version__`，这样用户装完可以 `print(xxx.__version__)` 验证安装成功。 --- ## **第三步：写 README.md** 这个会显示在你的PyPI项目页面上，别整太敷衍。至少包含： - 安装命令 `pip install my-package` - 5行代码示例 - 几句话说明适用场景 markdown格式要正常，PyPI会自动渲染。 --- ## **第四步：注册PyPI账号** 这一步很多人漏掉，结果发包的时候才发现自己没账号。去这两个网站注册： - **PyPI 测试站**（先在这练手）：https://test.pypi.org/account/register/ - **PyPI 正式站**：https://pypi.org/account/register/ **注意**：现在PyPI强制开启两步验证（2FA），你得装个身份验证器App（Google Authenticator或者腾讯身份宝都行），别嫌麻烦，安全。注册完先试试能不能登录，验证码能不能收上来。 --- ## **第五步：生成token** 登录PyPI后，点右上角 “Account Settings” → “API tokens” → “Add API token”。 Scope 选 “Entire account”（或者只选你的项目名字），然后复制token。 token长这样：`pypi-xxxxxxxxxxxxx` **关键**：不要关掉这个页面，token只会显示一次。复制完立刻存到安全的地方（密码管理器、腾讯文档加密文档都行）。 --- ## **第六步：配置 pip 凭证** 在你的电脑上配置一下，告诉pip遇到这个token就用它。在用户目录创建 `~/.pypirc` 文件（Windows上是 `C:\Users\你的用户名\`）： ``` [pypi] username = __token__ password = pypi-xxxxxxxxxxxxx（你的token） ``` Windows创建带点的文件有点烦，可以在PowerShell里用： ``` notepad$env:USERPROFILE\.pypirc ``` --- ## **第七步：打包上传** 先确保安装了打包工具： ``` pip install build twine ``` 然后在你的项目根目录执行： ``` # 先到上级目录（假设你的项目在 my_package/） cd my_package python -m build ``` 如果一切正常，会在 `dist/` 目录下生成两个文件： - `my_package-0.1.0.tar.gz`（源码包） - `my_package-0.1.0-py3-none-any.whl`（wheel包）然后上传： ``` # 先上传到测试站，验证一下 python -m twine upload --repository testpypi dist/* ``` 测试站地址：https://test.pypi.org 在测试站验证能安装： ``` pip install --index-url https://test.pypi.org/simple/ my-package-nickname ``` 如果测试没问题，再上传正式站： ``` python -m twine upload dist/* ``` --- ## **第八步：验证安装** 上传完成后，等个1-2分钟（PyPI同步需要时间），执行： ``` pip install my-package-nickname ``` 然后验证： ``` importmy_package print(my_package.__version__) ``` 能打印出版本号，就算成功了。 --- ## **更新版本** 下次你想发布新版本，记得改 `pyproject.toml` 里的 version，然后： ``` # 重新打包 python -m build # 上传 python -m twine upload dist/* ``` 不需要改包名，pip会自动识别新版本。 --- ## **你可能遇到的坑** **1. twine upload 报错 “Invalid credentials”** 检查 .pypirc 文件格式，username 必须是 `__token__`（带两个下划线），password 是 token 本身，不是你的登录密码。 **2. 安装时报 “package metadata missing”** 你的 pyproject.toml 里的 [project] 部分写错了，检查 name、version、description 这些必填字段。 **3. import 找不到模块** 检查你的目录结构，确保是 src/my_package/ 这种布局，而不是直接 my_package/ 在根目录。pip install 后会解压到 site-packages，如果目录不对，Python 找不到。 **4. PyPI名字冲突** 发包之前先去 https://pypi.org/search/?q=你的名字搜一下，看看有没有人用过这个名字。有的话就换个前缀。 --- 发个包拢共就这几步： 1. 规划目录结构（推荐src布局） 1. 写 pyproject.toml（现代写法） 1. 注册 PyPI 账号 + 开启2FA 1. 生成 API token 1. 配置 pip 凭证 1. 打包 + 先传测试站 1. 测试安装 + 没问题再传正式站全程不用30分钟，但你从此就能理直气壮说“pip install xxx”了。 --- **你发过PyPI包吗？遇到什么坑了？评论区聊聊。** **没发过的朋友，现在就可以动手试了。有问题直接问，我来解答。** **“无他，惟手熟尔”！**有需要的用起来！

2026-07-20

生成式AI模型类型全解析

🚀【生成式AI模型类型全解析】🔥 生成式AI正在推动数字化转型的新浪潮——让机器能够以类人的流畅度创作文本、图像、音频甚至代码！

2026-07-14

Open一Sora1.0 全公开

所有训练细节/模型权重全公开，成本仅1万美元 OpenAI Sora还没用上，Colossal-AI团队正式宣布全面开源全球首个类Sora架构视频生成模型「Open-Sora 1.0」——涵盖了整个训练流程

2024-03-19

HarmonyOS NEXT：使用全自研内核

在本周五的 2023 年华为开发者大会（HDC.Together）上，除了面向消费者的HarmonyOS4 之外，华为还推出了面向开发者的 HarmonyOS NEXT 开发者预览版。华为表示，HarmonyOS NEXT 即日起面向合作企业开发者开放，2024 年第一季度面向所有开发者开放！据介绍，HarmonyOS NEXT 系统底座全线自研，去掉了传统的 AOSP 代码，仅支持鸿蒙内核和鸿蒙系统的应用，减少了 40% 的冗余代码，使系统的流畅度、能效、纯净安全特性大为提升。华为终端BG软件部总裁龚体表示，截止当前，鸿蒙底座已有1亿多行代码，2万多个API，超过7亿的鸿蒙生态设备，鸿蒙底座已经基本成熟。HarmonyOS经过了四个大版本的迭代，已经构建了具有差异化特征的用户体验，接下来最重要的工作就是构建繁荣的鸿蒙应用生态。这是一项需要广大开发者一起参与的伟大事业。以下内容来自官方关于 HarmonyOS NEXT 的技术介绍。鸿蒙内核鸿蒙内核从万物智联时代需求出发，具备天生流畅、极致能效、纯净安全三大特征。天生流畅极致能效极致能效纯净安全华为方舟图形引擎现在的智能终端设备，屏幕越来越大，帧率越来越高，带给图形技术的挑战也越来越大。如何用更低的能耗完成渲染，并实现更好的动画效果？针对这两个挑战，华为推出了全新的方舟图形引擎，高能效统一渲染，有效降低渲染功耗和提升图形渲染效果。详情：https://mp.weixin.qq.com/s/JBx-uejet2nDqHPWhuc9sg

2023-08-07

ProxyPin —— 全平台 HTTP 抓包工具

ProxyPin是免费开源Http、Https抓包工具，支持Windows、Mac、Android、IOS, 全平台系统, 使用Flutter框架开发。

2023-08-01

验证码识别全流程实战

本文将介绍验证码的历史与发展、验证码破解的历史与发展，验证码破解全流程实战。

2023-07-31

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。

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。

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。