/
字節Seed團隊絕地翻盤，發現多模態模型也有涌現時刻，開源BAGEL模型
北京時間5月21日，百度發布2025年第一季度財報,這場會議不僅僅是一次常規的財務數據披露，更像是百度在AI時代戰略布局的全景展示,李彥宏在開場發言中，將2025年第一季度形容為一個“穩健的開局”。
Startup Korl 推出多模態、多代理工具，實現跨系統定制化溝通
Korl 利用 OpenAI、Gemini 及 Anthropic 等模型，從 Salesforce、Jira、Google Docs 等多個平臺整合數據，自動生成定制化客戶溝通材料，如幻燈片、演講稿及季度業務回顧，同時保證數據安全性，并提升運營效率。
Exaforce 融資7500萬美元以擴展結合多模態 AI 的 agentic SOC 平臺
Exaforce 創立于 2023 年，其自主 SOC 平臺利用多模態 AI 引擎整合語義、統計及行為模型，實現自動化日志分析與威脅檢測，顯著降低人工操作，同時提升安全響應效率。
2025人工智能行業趨勢報告｜大模型之家年度專題
近年來，隨著深度學習、自然語言處理、計算機視覺等技術的快速發展，多模態技術取得了顯著進展。商湯秒畫、Sora、可靈等文生圖、文生視頻等模型產品的推出，讓AI生成的內容更加豐富多彩，極大地豐富了用戶體驗和應用場景。
人工智能的下一個前沿：多模態系統將重塑我們的世界
想象一下，一個人工智能系統不僅能閱讀文本或識別圖像，還能夠同時讀、寫、看、聽和創造。這其實就是多模態人工智能的精髓。這些先進的多模態人工智能系統可以同時處理和整合多種形式的數據，包括文本、圖像、音頻甚至視頻。這就像是賦予了人工智能一整套的感官。
基于Gemini！Waymo提出端到端自動駕駛多模態模型EMMA！
我們介紹了EMMA，一個端到端的自動駕駛多模態模型�；诙嗄B大型語言模型的基礎，EMMA直接將原始相機傳感器數據映射到各種特定于駕駛的輸出中，包括規劃器軌跡、感知對象和道路圖元素。EMMA通過將所有非傳感器輸入（例如導航指令和自我車輛狀態）和輸出（例如軌跡和3D位置）表示為自然語言文本，最大化了預訓練大型語言模型的世界知識效用。
阿里提出LLaVA-MoD架構！利用MOE技術讓小模型也能大顯身手！
多模態大型語言模型（MLLM）通過在大型語言模型（LLM）中集成視覺編碼器，在多模態任務中取得了有希望的結果。然而，大型模型的大小和廣泛的訓練數據帶來了顯著的計算挑戰。例如，LLaVA-NeXT的最大版本使用了Qwen-1.5-110B，并且使用128個H800 GPU訓練了18小時。
Qwen2-Audio：多模態AI系統，融合語音對話和音頻分析功能
多模態AI系統，融合語音對話和音頻分析功能，支持超過8種語言和方言，無需自動語音識別即可進行語音交互，提供音頻信息分析和多語言支持。
大模型之家2024年7月熱力榜：視頻生成熱潮來襲，多模態賽道再升級
巴黎奧運會上，AI技術的應用成為了賽事的一大亮點。從智能裁判系統到運動員訓練輔助，再到賽事直播的個性化推薦，AI技術的融入不僅提升了賽事的公平性和觀賞性，也讓觀眾享受到了前所未有的觀賽體驗。
搞了半天原來GPT-4o-mini是基于GPT-3.5架構的模型（Dify中接入GPT-4o mini模型）
GPT-4o mini（"o"代表"omni"）是小型型號類別中最先進的型號，也是OpenAI迄今為止最便宜的型號。它是多模態的（接受文本或圖像輸入并輸出文本），具有比 gpt-3.5-turbo 更高的智能，但速度同樣快。它旨在用于較小的任務，包括視覺任務。
AI算力產業鏈及競爭格局分析
目前，AIGC產業生態體系的雛形已現，呈現為上中下三層架構：①第一層為上游基礎層，也就是由預訓練模型為基礎搭建的AIGC技術基礎設施層。②第二層為中間層，即垂直化、場景化、個性化的模型和應用工具。③第三層為應用層，即面向C端用戶的文字、圖片、音視頻等內容生成服務。
AGI萬字長文(上) | 2023回顧與反思
2023年大眾對AI的看法從懷疑到認可，AGI（通用人工智能）的發展迅速，大模型展現出驚人的想象力和取悅能力。應用層尚未出現獨角獸，創業者面臨官方技術迭代的挑戰。
大模型現狀和未來：百模征戰，產業智能躍遷（2024）
AI大模型通過大規模預訓練和微調實現通用人工智能，目前正從'大煉模型'向'煉大模型'轉變，推動多模態和多場景革命。GPT模型迭代加速，國內企業如百度、騰訊、阿里在大模型市場占據優勢。
評測結果超過GPT-4，Anthropic發布第三代大語言模型Claude3，具有多模態能力，實際評測表現優秀！但幻覺問題不��！
Anthropic推出了第三代大語言模型Claude3，包含三個版本：Claude3-Opus、Claude3-Sonnet和Claude3-Haiku，能力和成本遞減。Claude3-Opus在多項評測中超過GPT-4，支持多模態和最高100萬上下文輸入。
用雙眼見證未來：以人工智能治療年齡相關性黃斑變性
由于專家不足且高度依賴臨床專業知識來評估視網膜成像情況，確定年齡相關性黃斑變性的高風險人群一直是個令人頭痛的難題。但如今，人工智能/機器學習（AI/ML）等新興技術的逐步普及，正為更準確、更高效的篩查方法鋪平道路。
AISHU，愛數技術夢想新征程
12月5日，以數據「智」上為主題的多模態數據智能峰會在北京舉行，以多模態數據智能為核心戰略的愛數AISHU品牌新征程，愛數成功展示了從圖像到文本的跨模態場景應用，邁出了從單模態數據分析到多模態數據智能的第一步。
百度王海峰：多模態深度語義理解將讓AI更深地理解真實世界
7月4日召開的百度AI開發者大會上，百度高級副總裁、AI技術平臺體系（AIG）總負責人王海峰發布百度大腦3.0，并指出，百度大腦3.0的核心是“多模態深度語義理解”，包括數據的語義，知識的語義，以及圖像、視頻、聲音、語音等各方面的理解。
京公網安備 11010802021500號
