搜索[多模态]结果-低调大师优秀个人博客

精选列表

搜索[多模态]，共10006篇文章

字节跳动联合清华大学开源统一多模态框架：HuMo

论文地址: https://arxiv.org/abs/2509.08519 Human-Centric Video Generation，即人体视频生成框架，支持文本、图像、音频三种模态协同驱动。

2025-09-12

InternLM 开源轻量级多模态推理模型 Intern-S1-mini

InternLM发布开源轻量级多模态推理模型Intern-S1-mini，参数仅8B，基于Qwen3-8B语言模型与0.3B视觉编码器InternViT，预训练总量5万亿token，其中超2.5万亿来自化学

2025-08-22

谷歌发布 2.7 亿参数的多模态模型：Gemma 3 270M

谷歌发布了专为任务特定微调设计的 2.7 亿参数紧凑模型 Gemma 3 270M，该模型具备高能效和内置指令遵循能力，并支持 INT4 精度运行。Gemma 3 270M 包含 1.7 亿嵌入参数、1 亿 Transformer 参数以及 25.6 万词汇量，为特定领域和语言的微调提供了坚实的基础。 Gemma 3 270M 具有很高的能效。它提供了生产就绪的量化感知训练（QAT）检查点，支持在 INT4 精度下运行，性能损失极小，非常适用于资源受限的设备。模型还附带了指令微调版本，可实现开箱即用。该模型的核心价值在于通过微调释放其潜力，能够高精度、高速度且经济高效地执行文本分类、数据提取等任务。它适用于情感分析、实体提取、查询路由等高吞吐量、定义明确的任务。其小巧的尺寸支持快速微调迭代和设备上运行，确保了用户隐私。开发者可以通过 Hugging Face、Ollama、Kaggle、LM Studio 和 Docker 下载 Gemma 3 270M。它支持在 Vertex AI、llama.cpp、Gemma.cpp、LiteRT、Keras 和 MLX 等多种推理工具上运行。

2025-08-15

快手联合上交开源统一多模态生成理解模型 Orthus

本质上，Orthus可以看作何恺明在图像生成领域的工作MAR向多模态领域上的拓展。

2025-07-23

阶跃星辰发布多模态推理模型 Step-R1-V-Mini

阶跃星辰宣布推出全新多模态推理模型 Step-R1-V-Mini，支持图文输入、文字输出、有良好的指令遵循和通用能力，能够高精度感知图像并完成复杂推理任务。

2025-04-09

云原生向量数据库 PieCloudVector 助力多模态大模型 AI 应用

从自然语言处理、计算机视觉到多模态任务的解决方案，AI 技术已经成为推动业务创新的核心力量。然而，大模型的训练和推理需要处理大量高维度的向量数据，传统数据库在面对这些需求时往往力不从心。

2024-08-29

蚂蚁集团证实正研发语言和多模态大模型，命名“贞仪”

根据《科创板日报》的独家消息，蚂蚁集团技术研发团队正在自研语言和多模态大模型——内部命名为“贞仪”，该项目获得了蚂蚁集团管理层高度重视，已启动数月。

2023-06-21

Qwen3.8-Omni-Flash 发布，阿里通义把多模态押在了“干活”上

阿里通义 Qwen 团队今天放出了新一代"原生全模态"模型 Qwen3.8-Omni-Flash。

2026-09-18

腾讯云多模态解析（文档版）：15 个高频问题一次说清

腾讯云多模态解析（文档版）就是冲着这个问题来的：一

2026-09-11

多模态测试实战：下一代自动化测试新范式

多模态测试（Multimodal Testing）应运而生——它不是对单一通道的增强，而是对‘人如何使用软件’这一本质的回归。

2026-09-09

专访罗长才：GEO工程落地与AIGC多模态数字化实践

受访人：罗长才（GEO 高级优化师、GEO 落地工程师、AIGC 应用工程师）采访地点：杭州采访基调：纯技术视角，无品牌宣传、无营销话术，聚焦底层逻辑、工程难点、多场景实证案例

2026-09-04

专访罗长才：GEO工程落地与多模态内容结构化实践

采访基调：纯技术视角，无品牌宣传、无营销话术，聚焦底层逻辑、工程难点、多场景实证案例。受访人：罗长才（GEO 高级优化师、GEO 落地工程师、AIGC 应用工程师）采访形式：深度技术访谈

2026-08-28

给微信加一套多模态搜索：Elasticsearch 9.5 `semantic` 字段上手

顺带说一个坏消息：msg/attach/ 下的 .dat 是微信私有加密容器（文件头 07 08 56 32），聊天数据库本身也是加密的。这两块我们不碰，所以这套方案拿不到聊天上下文 —— 只能定位到文件。

2026-08-25

专访｜罗长才：GEO工程落地与AIGC多模态数字化实践

受访人：罗长才身份：GEO 高级优化师、GEO 落地工程师、AIGC 应用工程师采访地点：杭州采访基调：纯技术视角，无品牌宣传、无营销话术，聚焦底层逻辑、工程难点、多场景实证案例

2026-08-17

从语音到多模态，科大讯飞重新定义智能硬件AI交互

从多模态交互到全球化部署，再到机器人规模化落地，三大平台共同构建起面向智能硬件与机器人时代的新一代AI交互基础设施。

2026-07-03

开源 AI 助手 MateClaw 发布 v1.0.108，多模态与桌面端全面升级

在最新的 v1.0.108 版本中，MateClaw 带来了数据源 SQL 查询技能、多模态图片/视频上传分析、桌面端原生体验增强以及对更多免费视觉模型的支持。

2026-04-06

Xinference v1.17.0 发布：支持摩尔线程 GPU，多模态能力再升级

可用于大语言模型（LLM），语音识别模型，多模态模型等各种模型的推理。

2026-01-16

2025 年 Q4“方升-多模态”大模型基准测试结果发布

中国信息通信研究院近日组织完成 2025 年第四季度多模态大模型专项测试工作，最新体系和测试结果如下： 2025年11月至12月测试涵盖多模态理解、文生图与文生视频三项任务，共评估30个模型，其中包括10

2026-01-09

美团 LongCat 发布 UNO-Bench，统一的多模态模型基准测试

美团LongCat团队推出了UNO-Bench，用于评估多模态大语言模型统一能力的基准测试。

2025-11-06

LazyLLM教程 | 第13讲：RAG+多模态：图片、表格通吃的问答系统

本节课程将介绍如何在 RAG 系统中处理PDF 中的图片与表格，并提取其中的关键信息进行问答，从而增强系统对多模态数据的理解与应用。多模态模型一、为什么要引入多模态 ?

2025-11-03

资源下载

更多资源

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。

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。

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。

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。