标签：多模态
5款大模型考「山东卷」，Gemini、豆包分别获文理第一名
近期，5款主流大模型参与了2025年山东高考全科闭卷测评，结果显示AI的应试能力已实现质的飞跃。字节跳动Seed团队组织的测评采用750分制，未进行任何提示工程...
谷歌让机器人「长脑子」了！首发离线具身VLA模型，断网精准操控
谷歌发布了首个在具身机器人上本地离线运行的VLA模型——Gemini Robotics On-Device，标志着具身智能迈向实用化新阶段。该模型最初为ALOHA机器人训练，经过调整...
将思维链（CoT）引入具身世界，哪种路径能真正打通机器人「知行合一」？
大模型处理复杂问题时，越来越倾向于生成推理链条，将问题拆解为多个环节逐步解决。支撑这一能力的核心技术是思维链（Chain of Thought, CoT），它从最初的提...
月之暗面刚开源多模态Kimi-2506：智能体、视觉理解，重磅大升级
月之暗面（MoonshotAI）近期对其开源的多模态模型Kimi-VL-A3B-Thinking进行了重大升级，发布了2506版本。这一版本在多个方面实现了显著提升，尤其是在性能表...
北大卢宗青：现阶段世界模型和 VLA 都不触及本质｜具身先锋十人谈
卢宗青是一位具身智能领域的创业者，拥有深厚的学术背景和实践经验。他曾在北京大学担任计算机学院长聘副教授，并负责过多个国家级科研项目。他的研究领域从...
统一框架下的具身多模态推理：自变量机器人让AI放下海德格尔的锤子
当前最先进的机器人在工具使用上仍面临显著挑战，无法像人类一样直觉地操作工具。它们每次使用工具时都需要重新识别和规划，这种割裂式的处理方式限制了其能...
揭秘千卡 GPU 集群如何高效训练多模态大模型：vivo AI 团队实战经验分享｜AICon
多模态大模型在智能客服、自动驾驶、AIGC等领域的应用需求不断增长，但其训练工程面临计算、存储、数据处理、分布式通信等多重挑战。特别是在千卡级GPU训练集...
直击CVPR现场：中国玩家展商面前人从众，腾讯40+篇接收论文亮眼
CVPR 2025作为计算机视觉领域的顶级会议，吸引了全球学术界和产业界的广泛关注。此次会议不仅展示了最前沿的技术成果，还反映了当前研究热点和未来发展趋势。...
松下发布多模态大模型，文本、图像、音频随意切换
随着大模型技术的快速发展，多模态数据处理逐渐成为研究热点。多模态生成任务通过整合文本、图像、音频等多种类型的数据，实现不同模态之间的相互转换与生成...
“多模态方法无法实现AGI”
生成式人工智能模型的成功让一些人相信人工通用智能（AGI）即将到来，但这些模型并未真正捕捉到人类智能的本质。它们之所以出现，主要是因为它们能够有效地扩...
