“一元钱就可处理284张720P的图片。”“随手拍一张黄昏美景，大模型就可以帮你创作一首有古朴韵味的诗。”字节跳动日前正式发布了豆包视觉理解模型，不仅比行业价格降低降低了85%，而且功能更加全面和强大。豆包视觉理解模型在企业市场的定价只有0.0003元/千To

模型 模态 普惠 2024-12-23 16:08  2

李飞飞、谢赛宁团队又有重磅发现了：多模态LLM能够记住和回忆空间，甚至内部已经形成了局部世界模型，表现了空间意识！李飞飞兴奋表示，在2025年，空间智能的界限很可能会再次突破。

模态 llm 赛宁 2024-12-23 14:40  2

当前，即使是最先进的多模态大模型，在空间认知方面与人类相比仍有显著差距，测试中约71%的错误都源于空间推理方面的缺陷，即空间推理能力是当前主要瓶颈。

模态 推理 赛宁 2024-12-23 12:14  2

《Can LLMs be Good Graph Judger for Knowledge Graph Construction?》(https://arxiv.org/pdf/2411.17388)，提出GraphJudger框架来提高KG构建的质量，注意：这

模态 llm 模态文档 2024-12-23 11:09  2

导读本文将分享百度飞桨在多模态大模型产业落地方面的探索与实践。百度飞桨专注于前沿多模态大模型最新进展，并开源了 PaddleMIX 开发套件以降低多模态大模型开发门槛。

模型 模态 百度 2024-12-21 09:00  2

编辑：KingHZ【导读】Meta斯坦福大学联合团队全面研究多模态大模型（LMM）中驱动视频理解的机制，扩展了视频多模态大模型的设计空间，提出新的训练调度和数据混合方法，并通过语言先验或单帧输入解决了已有的评价基准中的低效问题。

meta 模态 apollo 2024-12-21 08:59  2

周悦/文12月19日，智源研究院发布最新一期FlagEval大模型评测榜单。本次参与测评的有国内外100余个开源、商业闭源大模型，涵盖语言、视觉语言、文生图、文生视频、语音语言多个类别。

模态 评测 文生 2024-12-20 22:53  2

经济观察网周悦/文12月19日，智源研究院发布最新一期FlagEval大模型评测榜单。本次参与测评的有国内外100余个开源、商业闭源大模型，涵盖语言、视觉语言、文生图、文生视频、语音语言多个类别。

模态 评测 文生 2024-12-20 22:47  2

近日，智源研究院发布并解读国内外100余个开源和商业闭源的语言、视觉语言、文生图、文生视频、语音语言大模型综合及专项评测结果。

模型 模态 模态模型 2024-12-20 15:36  2

近日，Meta和斯坦福大学的团队联手，从评估基准、模型设计到开源模型, 做出了全方位的探索，创建ApolloBench用于解决视频理解领域评估效率低下的问题, 提出了模型设计的拓展一致性，发现了驱动LMM性能的关键因素，开源了Apollo模型。

meta 模态 斯坦福 2024-12-20 15:21  2

产品逻辑上，豆包视觉理解模型视觉内容识别能力、理解和推理能力、视觉描述和创作能力、多模态输入支持等特点。同时以其极具性价比的优势，为企业提供强多模态大模型能力。具体表现为千tokens输入价格仅为3厘，一元钱就可处理284张720P的图片，比行业价格便宜85%

模态 商业逻辑 火山 2024-12-20 15:16  2

一个是用在医疗领域进行病理分析，叫做Path-RAG，有分而治之的思想；另一个是V-RAG多模态多文档问答集成多编码器投票和重排机制；不是太创新的工作，但是其中的流程思路，还是有工程指引的。

模态 rag 模态rag 2024-12-20 11:45  2

多模态信号，包括文本、音频、图像和视频等，可以被整合到语义通信中，在语义层面提供低延迟、高质量的沉浸式体验。然而，多模态语义通信面临着数据异构、语义歧义和信号衰落等挑战。AI 大模型，尤其是多模态语言模型和大语言模型的发展，为解决这些问题提供了新思路。

模型 模态 语义 2024-12-19 23:32  2

基于百度智能云智能推荐平台的多模态能力，浙江IPTV建立起智能推荐平台，实现了大屏个性化分发及精细化运营，让喜欢的电视节目结局击中观众“心趴”。

模态 iptv 芳心 2024-12-19 22:12  2

AIxiv专栏是机器之心发布学术、技术内容的栏目。过去数年，机器之心AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。如果您有优秀的工作想要分享，欢迎投稿或者联系报道。投稿邮箱：liyazhou@jiqiz

模态 通信 语义 2024-12-19 16:48  2

随着2024年的落幕，我们站在新旧交替的门槛上，回望这一年AI领域的波澜壮阔，不禁对2025年的发展趋势充满期待。本文将结合50+一线实践案例，深度解析AI技术如何推动企业解决业务痛点，并展望2025年AI技术的趋势。

模态 transformer sora 2024-12-19 13:25  2

在人工智能平台方面，2016 年谷歌 DeepMind 开源了 DeepMindLab 3D 游戏平台，主要面向智能体的人工智能研究，代表性工作包括 AlphaGo、AlphaZero、具有计划能力的 MuZero和AlphaFold。

模型 模态 人工智能 2024-12-19 13:57  2

大型语言模型现在正从早期只能处理一种类型数据输入的单模态时代发展而来。如今，人们的兴趣正转向多模态大型语言模型(MLLM)，有报告指出，到 2028 年，多模态 AI 市场将以每年 35% 的速度增长到 45 亿美元。

gemini 模态 vqa 2024-12-19 07:43  2

在金融科技的浪潮中，人工智能技术的革新正引领着行业的深刻变革。特别是多模态技术的兴起，吸引了众多金融企业的密切关注。度小满，作为金融科技领域的佼佼者，近年来在多模态领域持续深耕，不断加速技术创新，与哈尔滨工业大学携手推出了SmartTrim技术，为金融业务的智

模态 小满 smarttrim 2024-12-19 11:34  2

随着人工智能的快速发展，多模态等前沿科技吸引了一大批金融企业抢先布局。在多模态领域，度小满近年来持续加快技术创新步伐，不断提升自身的技术实力。针对多模态，度小满还联合哈尔滨工业大学共同研发推出SmartTrim，推动多模态技术在金融各大业务场景中落地生根。

模态 小满 哈尔滨工业大学 2024-12-19 11:00  2