多模态

‌2025年互联网行业高需求岗位分析

技能要求‌：机器学习框架（如PyTorch）、大模型调优、多模态数据处理能力‌。‌云计算架构师与交付工程师‌‌行业趋势‌：企业上云需求激增，云计算与边缘计算结合推动智能硬件、工业互联网发展‌。‌
heimeiyingwang·2025-07-24 15:56

信而泰×DeepSeek：AI推理引擎驱动网络智能诊断迈向 “自愈”时代

DeepSeek-R1具备卓越的逻辑推理、多模态分析（文本/图像/语音）和实时交互能力，能够高效处理代码生成、复杂问题求解、跨模态学习等高阶任务。凭借其开源、高效、多模态
·2025-07-24 03:38

什么是GPT-4T？

1.引言：GPT-4T概述GPT-4T是OpenAI开发的新一代多模态大型语言模型，在GPT-4的基础上增强了对表格数据、数学表达式和代码的处理能力。
亿只小灿灿·2025-07-23 12:32

医疗AI应用中的幻觉缓解：案例与经验

——幻觉缓解的案例与经验关键词：医疗AI、幻觉现象、大语言模型、知识Grounding、多模态验证、临床安全、可解释性摘要：医疗AI（如大语言模型、辅助诊断系统）在提升医疗效率的同时，“幻觉”（生成不符合事实的医疗建议
AI天才研究院·2025-07-23 12:27

基于国产手机 SoC 的多模态模型推理加速实战：GPU × NPU 协同优化全流程解析

基于国产手机SoC的多模态模型推理加速实战：GPU×NPU协同优化全流程解析关键词多模态模型推理、NPU硬件加速、GPU并行计算、国产手机SoC、端侧部署优化、华为昇腾NPU、小米Surge芯片、高通AIEngine
观熵·2025-07-23 09:36

【部署模式演进】多实例 vs 多副本 vs 多租户：智能体平台部署结构深度解析

个人简介作者简介：全栈研发，具备端到端系统落地能力，专注大模型的压缩部署、多模态理解与Agent架构设计。热爱“结构”与“秩序”，相信复杂系统背后总有简洁可控的可能。我叫观熵。
观熵·2025-07-23 09:35

高斯混合模型（GMM）中的协方差矩阵类型与聚类形状关系详解

与单一高斯分布不同，GMM能够捕捉数据中的多模态特性，这使得它在处理真实世界非均匀分布数据时展现出独特优势。
码字的字节·2025-07-23 00:15

2025AI智能体平台，10个Agent智能体开发平台推荐

2、通义千问Agent平台阿里巴巴基于通义千问大模型打造的智能体开发框架，以强大的多模态能力和工具集成
cczixun·2025-07-22 15:46

对标ChatGPT，「文心一言」今日亮相！AI人机时代来临，未来在何方？

OpenAI在官网表示，GPT-4是一个能接受图像和文本输入，并输出文本的多模态模型，是OpenAI在扩展深度学习方面的最新成果。此前的ChatGPT，只能通过向其输入文字提问才能生成文字回答
AI医学·2025-07-22 15:24

“AI多模态视频解析引擎：毫秒级智能解构视听内容，生成结构化语义图谱。“

多模态视频结构化系统，正是为解决这一痛点而生，凭借其强大的功能、前沿的技术和创新的架构，成为视频数据处理领域的革新者与引领者。一、核心功能详解（一）音频
·2025-07-22 12:27

ChatTongyi × LangChain：开启多模态AI应用创新之门

阿里云通义实验室推出的ChatTongyi（基于通义千问大模型）与LangChain框架的深度集成，为开发者打造了一套高效、灵活、全面的AI开发工具链。无论是文本对话、复杂任务自动化，还是图像理解，这一组合都为多场景智能应用的落地提供了坚实的基础。以下内容将从技术亮点到行业价值，带您系统梳理其核心能力与创新应用场景。1.极速上手：自然语言对话与流式输出核心能力：多轮对话理解：凭借强大的语言建模能力
·2025-07-22 07:44

开源模型应用落地-全能音频新纪元-Kimi-Audio-7B-Instruct-重塑多模态交互边界

一、前言在AI技术持续突破的2025年，音频交互正从单一任务处理迈向全场景融合的新阶段。4月27日，月之暗面（MoonshotAI）开源的Kimi-Audio-7B-Instruct，以“全能音频通才”之姿，为这一进程树立了里程碑式标杆。这款基于70亿参数架构的模型，首次在单一框架内整合语音识别（ASR）、情感分析（SER）、跨语言对话、语音生成（TTS）等十余项任务，并通过12.5Hz混合标记器
开源技术探险家·2025-07-22 03:48

AI新纪元：2025年深度学习技术突破与行业应用全景

2025年，人工智能技术迎来爆发式增长，大模型、生成式AI和多模态技术持续突破，人形机器人量产元年正式开启，自动驾驶商业化进程加速，工业数字化转型全面铺开。
像素笔记·2025-07-21 18:21

陌讯多模态算法实测 98% 准确率

开篇痛点：自动驾驶视觉系统的“暗礁”在自动驾驶感知层，路面障碍物识别堪称“生命线工程”。传统视觉算法在复杂场景下常面临三重困境：雨天水雾导致特征模糊时漏检率高达25%，逆光环境下小目标（如碎石、井盖）检出率不足60%，而追求高精度又会导致帧率跌破20FPS，难以满足实时性要求[1]。某车企实测数据显示，传统YOLOv8在城郊混合路况中，因障碍物识别延迟引发的决策偏差占测试事故的37%，这些问题成为
2501_92474711·2025-07-21 18:18

三篇AAAI顶级论文带你一键搞懂多模态！

拿捏更多顶会顶刊发文资讯随着人工智能技术的飞速发展，多模态学习逐渐成为研究热点。多模态技术能够整合文本、图像、语音等多种模态的信息，为人工智能的应用带来了更丰富的语义理解和更强大的交互能力。
·2025-07-21 18:18

陌讯多模态算法实测优化

破解智慧城市视觉算法困境：陌讯多模态融合技术实战解析在智慧城市建设中，视觉算法作为感知层核心技术，正面临着日益严峻的挑战。
·2025-07-21 15:29

智慧城管新突破：陌讯动态量化技术实现端侧模型压缩20倍

技术解析：陌讯自适应多模态架构传统单阶段检测器在雨天场景失效的核心原因，在于固定感受野难以适应尺度突变目标。陌讯算法引入动态梯度调制机制，通过特征金字塔的跨层权重自适应调整，显著提升
2501_92487735·2025-07-21 15:59

河道污染难溯源？3步搭建陌讯实时目标检测系统

技术解析：陌讯多模态融合架构为解决复杂环境泛化问题，陌讯视觉算法提出FMT-Net（FusionMultimodalTransfo
2501_92472966·2025-07-21 15:29

算法工程师必看！个性化信息流推荐算法系统的架构设计与优化实战指南

注：此文章内容均节选自充电了么创始人，CEO兼CTO陈敬雷老师的新书《GPT多模态大模型与AIAgent智能体》（跟我一起学人工智能）【陈敬雷编著】【清华大学出版社】GPT多模态大模型与AIAgent智能体书籍本章配套视频课程
·2025-07-21 08:38

大模型或多模态在能源系统优化调度中的应用

1.大模型在电力调度中的应用GAIA-电力调度大语言模型项目描述:专为电力调度设计的大语言模型，能够处理运行调整、运行监控和黑启动等任务技术特点:基于LLaMA2微调，专门针对电力系统领域优化论文:“Alargelanguagemodelforadvancedpowerdispatch”(NatureScientificReports,2025)GitHub:暂未公开源代码，但论文中提到了完整的技
u013250861·2025-07-21 06:53

RabitQ 量化：既省内存又提性能

突破高维向量内存瓶颈：MlivusCloudRaBitQ量化技术的工程实践与调优指南作为大禹智库高级研究员，拥有三十余年向量数据库与AI系统架构经验的我发现，在当今多模态AI落地的核心场景中，高维向量引发的内存资源消耗问题已成为制约系统规模化部署的
大禹智库·2025-07-21 04:10

Java 大视界 -- Java 大数据机器学习模型在金融市场情绪分析与投资策略制定中的应用

Java大视界--Java大数据机器学习模型在金融市场情绪分析与投资策略制定中的应用）引言：正文：一、金融情绪数据的立体化采集与治理1.1多模态数据采集架构1.2数据治理与特征工程二、Java机器学习模型的工程化实践
青云交·2025-07-20 23:31

医疗AI与融合数据库的整合：挑战、架构与未来展望（上）

融合数据库（ConvergedDatabase/多模态一体化数据库）通过支持SQL、JSON、图、向量、
Allen_Lyb·2025-07-20 16:46

一文看懂：马斯克旗下人工智能公司 xAI 正式推出的Grok 4，Grok 4 如何开启 “多智能体内生化” 的 AI 新范式，重塑多模态大模型与 AI Agent 未来

注：此文章内容均节选自充电了么创始人，CEO兼CTO陈敬雷老师的新书《GPT多模态大模型与AIAgent智能体》（跟我一起学人工智能）【陈敬雷编著】【清华大学出版社】GPT多模态大模型与AIAgent智能体书籍本章配套视频课程
陈敬雷-充电了么-CEO兼CTO·2025-07-20 16:14

大模型开源王炸！Kimi K2凭万亿参数撕开大模型天花板：代码、Agent、推理全碾压，32家企业疯抢接入

注：此文章内容均节选自充电了么创始人，CEO兼CTO陈敬雷老师的新书《GPT多模态大模型与AIAgent智能体》（跟我一起学人工智能）【陈敬雷编著】【清华大学出版社】GPT多模态大模型与AIAgent智能体书籍本章配套视频课程
陈敬雷-充电了么-CEO兼CTO·2025-07-20 16:14

AI人工智能领域多模态大模型的发展历程回顾

AI人工智能领域多模态大模型的发展历程回顾关键词：AI人工智能、多模态大模型、发展历程、技术演变、应用场景摘要：本文旨在全面回顾AI人工智能领域多模态大模型的发展历程。
AI智能探索者·2025-07-20 14:29

“闭门造车”之多模态思路浅谈：自回归学习与生成

©PaperWeekly原创·作者|苏剑林单位|科学空间研究方向|NLP、神经网络这篇文章我们继续来闭门造车，分享一下笔者最近对多模态学习的一些新理解。
PaperWeekly·2025-07-20 14:24

多模态查询优化：5个提升搜索准确率的技巧

多模态查询优化：5个提升搜索准确率的技巧关键词：多模态搜索、特征融合、跨模态对齐、混合索引、语义增强摘要：本文将揭示5个提升多模态搜索准确率的实用技巧，通过生活化案例和代码示例，带您理解如何让图像、文本
·2025-07-20 13:22

深度剖析AI人工智能领域多模态大模型

深度剖析AI人工智能领域多模态大模型关键词：AI人工智能、多模态大模型、模型架构、算法原理、应用场景摘要：本文旨在对AI人工智能领域的多模态大模型进行深度剖析。
AI学长带你学AI·2025-07-20 13:51

AI人工智能领域多模态大模型的技术瓶颈与解决方案

AI人工智能领域多模态大模型的技术瓶颈与解决方案关键词：多模态大模型、技术瓶颈、跨模态对齐、计算效率、数据稀缺、模型泛化、解决方案摘要：本文深入探讨了AI人工智能领域多模态大模型发展过程中面临的主要技术瓶颈
AI学长带你学AI·2025-07-20 13:49

从“直觉抢答”到“深度思考”：大模型的“慢思考”革命，思维链、树、图如何让AI越来越像人？

注：此文章内容均节选自充电了么创始人，CEO兼CTO陈敬雷老师的新书《GPT多模态大模型与AIAgent智能体》（跟我一起学人工智能）【陈敬雷编著】【清华大学出版社】GPT多模态大模型与AIAgent智能体书籍本章配套视频课程
陈敬雷-充电了么-CEO兼CTO·2025-07-20 11:36

医疗AI与融合数据库的整合：挑战、架构与未来展望（上）

在医疗AI爆发式增长的今天，单一数据库已无法满足多模态医疗数据的处理需求。本文将揭秘医疗融合数据库的核心架构，通过真实代码示例展示如何破解医疗数据整合的世纪难题。
Loving_enjoy·2025-07-20 06:36

2025年最流行跑分最高的图片理解大模型调研报告

从技术演进方向来看，多模态融合已成为核心趋势之一，文本、图像、视频等不同模态的交互与协同能力显著提升。
·2025-07-20 05:59

Transformer：自注意力驱动的神经网络革命引擎

从语言理解到多模态智能的通用架构基石⚙️一、核心定义与历史意义Transformer是由Google团队在2017年论文《AttentionIsAllYouNeed》中提出的深度学习架构，其颠覆性创新在于
大千AI助手·2025-07-20 00:49

AI数字人系统开发上线全攻略：从0到1全流程解析

定义数字人核心能力1.1功能规划矩阵模块基础功能进阶功能形象生成2D/3D建模实时表情捕捉与驱动语音交互TTS语音合成情感识别与应激反应动作系统预设动作库骨骼动画与物理引擎智能决策规则引擎强化学习驱动决策多模态交互文本
v_qutudy·2025-07-19 17:28

工服误检率高达40%？陌讯改进YOLOv7实战降噪50%

安全帽反光标识仅占图像0.1%像素遮挡密集：工人簇拥时漏检率超35%（数据来源：CVPR2023工业检测白皮书）行业真相：某安监部门实测显示，开源YOLOv5在雾天场景误报率高达41%技术解析：陌讯算法的三大创新设计1.多模态特征融合架构
2501_92487859·2025-07-19 17:22

路面裂缝漏检率高？陌讯多尺度检测降 30%

一、技术解析：从传统方法到多模态融合架构传统裂缝检测多采用"边缘检测+形
2501_92487936·2025-07-19 17:22

陌讯多模态算法在千万级监控网的落地实战

（实测ResNet50漏报率>40%）误报：树叶晃动、光影变化引发的误报占比超35%延迟：1080P视频流检测延迟普遍>100ms，难以满足实时响应需求技术解析：陌讯算法的三阶优化架构陌讯视觉算法采用多模态特征金字塔
2501_92473061·2025-07-19 16:51

复杂场景检测老翻车？陌讯算法实测提升 40%

技术解析：从单模态到多模态的跨越传统目标检测模型多依赖单一RGB图像输入，在特征提取阶段容易受环境干扰。以经典的FasterR-CNN为例，其区域提议网络（RPN）
2501_92453489·2025-07-19 16:21

『大模型笔记』Geoffrey Hinton对Al研究人才选拔的直觉，未来影响及技术展望的深入见解！

文章目录一.整个访谈内容1.1.起点：理解大脑的工作方式以及隐藏层命名的由来1.2.谈Ilya：他有很好的直觉1.3.预测下一个词也需要推理1.4.模型能从语言中学到很多，但从多模态中学习会更容易1.5
AI大模型前沿研究·2025-07-19 13:27

陌讯多模态引擎提速90+FPS实战

开篇痛点：实时目标检测在安防监控中的核心挑战在安防监控领域，实时目标检测是保障公共安全的关键技术。然而，传统算法如YOLOv5或开源框架MMDetection常面临两大痛点：误报率高（复杂光照或遮挡场景下检测不稳定）和响应延迟（高分辨率视频流处理FPS低于30）。实测数据显示，城市交通监控系统误报率达15%，导致安保资源浪费；客户反馈表明，延迟超100ms时，目标跟踪可能失效。这些问题源于算法泛化
2501_92473147·2025-07-12 17:53

AI人工智能浪潮中文心一言的独特优势

关键词：文心一言,AI大模型,中文处理,多模态融合,产业落地,安全可控,百度ERNIE摘要：在全球AI大模型浪潮中，百度文心一言（ERNIEBot）凭借“懂中文、会多模态、能落地、守规矩”的四大核心优势
·2025-07-12 09:36

LLM Agent在多模态任务中的推理机制详解

文章目录一、引言二、多模态LLMAgent的基本架构2.1系统组成2.2工作流程图三、多模态表示与对齐3.1跨模态嵌入空间3.2模态对齐技术四、多模态推理策略4.1基于提示的推理(Prompt-basedReasoning
·2025-07-12 06:12

AI Agent 2025 大爆发：从 GPT-4o 到 Devin，下一代 Agent 架构与落地趋势深度解析

模型升级带来实时多模态OpenAIGPT-4o把文本、语音、图像三路感知和毫秒级响应塞进同一模型，实时demo像“科幻电影走出屏幕”OpenAI。
·2025-07-12 02:44

多模态模型在RagFlow中的应用

在RagFlow的最新版本中（0.19.0）中，为了提升对文档中各类图片的解析效果，也尝试引入了多模态模型（image2text）对图片内容进行增强解析。我们来详细分析一下相关的过程。
程序猿李巡天·2025-07-11 23:52

多模态模型在RagFlow中的创新应用与实战案例

在RagFlow的最新版本中（0.19.0）中，为了提升对文档中各类图片的解析效果，也尝试引入了多模态模型（image2text）对图片内容进行增强解析。我们来详细分析一下相关的过程。
AGI大模型老王·2025-07-11 22:20

陌讯多模态算法实测优化

开篇：占道经营识别的三大技术痛点在城市管理智能化进程中，占道经营自动识别系统常面临三大核心难题：一是早晚光线剧变导致传统模型mAP骤降15-20%；二是流动摊贩与行人的特征混淆，误判率高达28%；三是密集场景下检测速度跌破15FPS，无法满足实时性要求[1]。某一线城市试点数据显示，基于开源YOLOv5的识别系统日均漏检事件超300起，人工复核成本占总投入的42%。这些问题的根源在于传统算法采用单
2501_92487926·2025-07-11 17:16

SpringBoot3+LangChain4j：构建企业级 AI 办公助手

你将掌握多模态AI能力与Java系
EyeDropLyq·2025-07-11 16:34

AI情绪识别革命：多模态数据库构建全攻略（2024最新版）

AI情绪识别革命：多模态数据库构建全攻略（2024最新版）关键词：AI情绪识别、多模态数据库、图像数据、语音数据、文本数据、数据库构建、2024技术摘要：本文全面且详细地介绍2024年AI情绪识别领域中多模态数据库构建的相关知识
AIGC应用创新大全·2025-07-11 06:27

AI让我焦虑，可有解药？

这波以生成式人工智能为核心的生产力变革浪潮，从23年开始短短的两年时间里一浪接一浪的奔涌而来，从ChatGPT、AGI，到多模态大模型、Agent、Cursor，到DeepSeek、Manus，到近期的
大虫小呓·2025-07-11 04:18
上一页 1 2 3 4 5 6 7 8 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他