搜索[端侧多模态]结果-低调大师优秀个人博客

精选列表

搜索[端侧多模态]，共10015篇文章

xtools一款基于JDK25的通用Java工具库

3.3.7 离线IP地址定位 xtools-extend UserAgentUtils 1.21 浏览器User-Agent解析 xtools-extend AWS S3 SDK 2.42.34 对象存储客户端

2026-04-16

iOS：抽屉侧滑动画两种形式（1、UIView侧滑 2、ViewController侧滑）

前言：在iOS中抽屉动画是很常用的一种技术，使用它有很炫的体验效果，为app增添特色，形式就两种，一个是UIView的侧滑，另一个就是ViewController的侧滑。

2017-10-18

多模态大模型：从“看图说话”到“理解世界”的跃迁

2026年的今天，如果还有人认为多模态大模型只是“能看懂图片的ChatGPT”，那他对这个领域的理解大概还停留在两年前。

2026-09-02

多模态内容被 AI 搜索引用的技术机制与实测

这篇文章拆解多模态内容被 AI 搜索引擎引用的底层逻辑，以及我在实测中验证过的文本化改造方法。

2026-08-17

德国黑森林实验室发布 Flux3 多模态模型

德国人工智能初创公司黑森林实验室（Black Forest Labs）正式发布多模态基础模型 Flux3。

2026-07-24

方言AI落地实践：红龟粿AIMV的多模态管线拆解

第三届「京彩台湾」获奖AIMV《阿母欸紅龜粿》通过自研「海峡姬音」声纹模型+微距超写实多模态管线，跑通了从技术Demo到文化场景落地的全流程，其工程化实践与腾讯云存储、算力、容器工具的适配方案，可为AI

2026-07-21

豆包视频通话背后，火山引擎重构 Agent 时代多模态传输底座

这种多模态体验不是模型能力单独决定的。

2026-07-15

【AgentScope Java新手村系列】（19）多模态-图像音频视频

1.x 的 ImageBlock AudioBlock VideoBlock 在 2.0.0中被统一替换为 DataBlock，通过 mediaType 字段区分类型。旧代码里 new ImageBlock(...) / new AudioBlock(...) 在 2.0 中仍然兼容（标 @Deprecated），但新代码请统一用 DataBlock。本章先给旧 API 对照，再讲 DataBlock 的统一用法。

2026-07-15

腾讯开源 HY-Embodied-0.5-X 具身多模态大模型

腾讯Robotics X实验室联合混元团队发布并开源 HY-Embodied-0.5-X，一款面向具身任务落地的多模态大模型，基于 HY-Embodied-0.5-MoT-2B 架构打造，围绕机器人在真实环境中

2026-04-27

商汤开源 SenseNova-MARS：突破多模态搜索推理天花板

今日，商汤正式开源多模态自主推理模型 SenseNova-MARS（8B/32B 双版本），其在多模态搜索与推理的核心基准测试中以 69.74 分超越Gemini-3-Pro（69.06 分）、GPT-

2026-01-30

全球首个跨本体视触觉多模态数据集“白虎-VTouch”发布

国地中心联合纬钛机器人发布了全球首个最大规模的跨本体视触觉（Vision-Based Tactile Sensor）多模态数据集：白虎-VTouch。

2026-01-26

阶跃星辰多模态“小核弹” Step3-VL-10B 开源

基于这样一个小而强底座，原本只能在云端运行的复杂多模态推理（如 GUI 操作、复杂文档解析、高精度计数）能够下沉到手机、电脑甚至工业嵌入式设备中。

2026-01-20

快手开源新一代旗舰多模态模型 Keye-VL

快手宣布正式发布新一代旗舰多模态模型 Keye-VL-671B-A37B，并同步开放代码。

2025-11-28

UltraRAG 2.1 正式发布：强化多模态 RAG 能力，支持更多后端框架

UltraRAG 2.0 框架示意图： UltraRAG 2.1 近日已正式发布，本次更新围绕原生多模态支持、知识接入与语料构建自动化、统一构建与评估的 RAG 工作流三大方向带来了核心增强：原生多模态支持

2025-11-11

Elastic 收购 Jina AI，强化开源检索与多模态 AI 能力

其开源社区活跃，研发重点在多模态嵌入、小模型和检索重排算法，已成为向量搜索和语义检索领域的重要创新者。此次并入 Elastic，意味着这些能力将进入更广泛的企业应用场景。

2025-10-10

全球首个深度推理+多模态大模型“紫东太初”4.0 发布

全球首个“深度推理+多模态”大模型——“紫东太初”4.0在2025东湖国际人工智能高峰论坛上正式发布。

2025-09-19

苹果开源长视频多模态大语言模型 SlowFast-LLaVA-1.5

苹果研究团队开源了适配版 SlowFast-LLaVA 模型，在长视频分析理解任务上表现超越更大规模模型。该模型通过双流架构优化视频处理效率，慢流以低帧率捕捉场景细节，快流以高帧率追踪动作变化，解决了传统模型逐帧分析导致的信息冗余与上下文窗口溢出问题。其 10 亿、30 亿和 70 亿参数版本在 LongVideoBench 等长视频基准测试中均创佳绩，10 亿参数模型在 General VideoQA 任务中达 56.6 分，70 亿参数模型在 Long-Form Video Understanding 任务中获 71.5 分，且在图像理解任务如知识推理、OCR 等方面表现出色。目前模型输入帧长限制为 128 帧，存在可能遗漏关键帧等局限。团队表示将探索内存优化技术提升性能。该模型基于公开数据集训练并开源，为长视频理解提供了新的高效解决方案。 https://github.com/apple/ml-slowfast-llava https://huggingface.co/papers/2503.18943

2025-08-25

从“字”到“画”：基于Elasticsearch Serverless 的多模态商品搜索实践

我们正处在一个从文本搜索向多模态、跨模态搜索演进的时代。用户希望能够通过图片、甚至是自然语言描述的复杂场景，来精准地找到他们想要的商品。然而，如何理解并检索图片中的视觉元素？

2025-08-13

迈向多模态数据集成的统一工具

本文将带你了解：SeaTunnel 是如何一步步迈向“多模态”，又是如何赋能今天的 AI 数据体系。为什么要支持多模态数据？曾经我们做数据同步，只需要处理订单表、用户表、销售表。但现在呢？

2025-08-12

字节跳动旗下开源多模态智能体 Agent TARS 发布 Beta 版本

字节跳动正式发布了Agent TARS的 Beta 版本，将其定位为一个开源的多模态AI Agent工具，旨在提供与各种现实世界工具的无缝集成能力，并实现“随时随地可用”。

2025-06-27

我国科学家研究揭示多模态大模型概念表征机制

中国科学院自动化研究所与中国科学院脑科学与智能技术卓越创新中心的联合团队在《自然·机器智能》（Nature Machine Intelligence）发表相关研究，首次证实多模态大语言模型能够自发形成与人类高度相似的物体概念表征系统

2025-06-09

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。