模态

新智元报道编辑，KingHZ，新智元导读，谷歌发布了1000亿文本，图像对数据集，是此前类似数据集的10倍，创下新纪录！基于新数据集，发现预训练ScalingLaw，虽然对模型性能提升不明显，但对于小...

新智元报道编辑，LRS，新智元导读，Magma是一个新型多模态基础模型，能够理解和执行多模态任务，适用于数字和物理环境，通过标记集合，SoM，和标记轨迹，ToM，技术，将视觉语言数据转化为可操作任务，...

新智元报道编辑，LRST，新智元导读，武汉大学等发布了一篇大型视觉语言模型，LVLMs，安全性的综述论文，提出了一个系统性的安全分类框架，涵盖攻击、防御和评估，并对最新模型DeepSeekJanus，...

新智元报道编辑，编辑部HNYZ，新智元导读，在AI行业新诞生的，多模态交互，赛道上，声网发布的，对话式AI引擎，，让所有文本大模型秒变多模态，具备实时语音对话能力，补齐了大模型，失语，的短板，就在最近...

新智元报道编辑，英智KingHZ，新智元导读，AI如何理解物理世界，视频联合嵌入预测架构V，JEPA带来新突破，无需硬编码核心知识，在自监督预训练中展现出对直观物理的理解，超越了基于像素的预测模型和多...

新智元报道编辑，编辑部HYZ，新智元导读，智源联手多所顶尖高校发布的多模态向量模型BGE，VL，重塑了AI检索领域的游戏规则，它凭借独创的MegaPairs合成数据技术，在图文检索、组合图像检索等多项...