AITOPAI热报

多模态

共 849 条相关 AI 资讯 · 查看话题观测
9月1日
08:14
05:18
00:48
00:45
8月31日
21:47
21:47shao__meng@shao__meng
73°
DeepSeek-V4-Flash-Vision-Exp 模型已开源，总参数量达 305B。该模型在 DeepSeek-V4-Flash 架构上增加视觉编码器和 aligner，获得视觉理解能力。每张图片最多按 384 tokens 计费，多模态性能接近 Claude Opus-4.8。
AI模型DeepSeek-V4-Flash-Vision-ExpDeepSeek多模态
事件专题
推荐理由：DeepSeek 10 天前发布 API，10 天后就开源了这款 305B 参数的多模态模型，性价比超高。
原文
19:41
18:17
16:20
15:36
15:36shao__meng@shao__meng
精选73°
OpenClaw 2.0 是史上最大更新，由933位贡献者完成，合并了超过16,000个PR。团队原本只想简化安装和重构浏览器端，结果改动波及整个系统。新版本简化安装流程，重构浏览器应用，并新增共享云会话功能。产品哲学从单一用途转向自然生长和团队协作。
AI产品OpenClawClaudeChatGPT
事件专题
推荐理由：OpenClaw团队意外发布2.0大版本，简化安装、重构浏览器、新增多人协作功能，边开飞机边换引擎完成系统重构。
原文
09:33
09:33官方账号arXiv cs.AI@Yupeng Zhang, Liuyuan Jiang, Hongyi Huang, Bingheng Li, Lisha Chen
RetailAgent是一个实验框架，让大型语言模型观察匿名日内股票价格历史和允许状态，然后选择做多或平仓。研究显示，在跨模态、时间跨度、状态和模型家族中，存在持续负向时机。打乱保存的行动序列会显著减弱这一效应，表明行动与后续回报的 alignment 是负向评分的驱动因素。模型使用自我生成的记忆做决策时，策略持续性增强，且在同时使用两种行动的股票日上，时机负向性更明显。
论文RetailAgentLLM多模态
推荐理由：这篇论文研究了LLM交易代理是否存在可预测的结构性行为，发现其决策存在稳定的逆向时机模式。
原文
09:32
09:32官方账号arXiv cs.AI@Jason Armitage, Ioannis Tsochantaridis, Linda Mazzone, Chuqiao Yan, Srini Narayanan, Sarah Ebling
MAP是首个评估多模态AI系统辅助无障碍需求用户规划实地访问的基准。该基准包含两项新颖评估：无障碍规划主张验证，评估系统对场所信息和无障碍功能信息的支持能力；无障碍规划视觉证据检索，检查系统能否为请求的场所和无障碍功能选择视觉证据。MAP采用自动评分和部分人工评分相结合的方法，支持在场所信息和无障碍信息随时间变化的环境下比较AI系统性能。
论文MAP多模态无障碍规划
推荐理由：MAP基准测试首次评估AI系统如何帮助有无障碍需求的用户规划实地访问，包含主张验证和视觉证据检索两项创新评估。
原文
09:04
8月30日
17:16
13:31
09:41
8月29日
22:36
20:46
15:41
15:16
12:16
09:26
09:26IT之家（博客/媒体）
精选73°
openKylin 3.0 将系统内核升级至 Linux 7.0，完成 180 余个核心组件全面迭代。该版本构建智能体开放底座，支持 KylinBot、WorkBuddy 等主流智能体运行。全新 UKUI 4.24 桌面环境引入隔空手势、语音输入等多模态交互功能。系统同源支持 x86、ARM、RISC-V、LoongArch 四大处理器架构。
AI产品openKylinLinux 7.0智能体
推荐理由：openKylin 3.0 升级 Linux 7.0 内核，支持 Rust 编写驱动，构建智能体开放底座，多模态交互革新，全场景覆盖桌面到移动端。
原文
09:16
03:36
03:36官方一手@OpenAIDevs@OpenAIDevs
Rosalind Workbench将科学问题与专业模型、工具和可审查输出连接在一个工作流中。该平台支持蛋白质结构和序列分析。开发者可以在一个界面内完成从测序管道到结果审查的全流程。OpenAI通过此工具连接科研问题与AI解决方案。
AI产品RosalindOpenAI蛋白质分析
事件专题
推荐理由：OpenAI推出Rosalind科研工作台，整合专业模型和工具，让科研人员一站式完成蛋白质分析到测序流程。
原文
03:21
03:21官方账号Perplexity@perplexity_ai
73°
GLM 5.3 现已在 Perplexity Computer 平台可用。该模型专为长上下文、多模态智能体工作负载设计。在 WANDR 基准测试中，GLM 5.3 的表现优于 GLM 5.2。WANDR 是用于大规模、有证据支持研究的基准测试。
AI模型GLMPerplexity Computer多模态
推荐理由：Perplexity 上线了 GLM 5.3，专为长上下文多模态任务优化，在 WANDR 基准上超越了前代模型。
原文
00:31
00:26
00:16
8月28日
23:24
23:13
22:14
20:55
20:02
20:02官方账号arXiv cs.AI@Yen-Ju Lu, Yuzhe Wang, Yaohan Guan, Xiluo He, Jiarui Hai, Mingrui Liang, Kaavya Chaparala, Thomas Thebaud, Laureano Moro-Velazquez, Najim Dehak, Jesus Villalba
精选73°
研究人员提出ContraTalk基准测试，包含501个问题，涵盖交互行为、情感状态等五个话语维度。实验显示，纯文本LLM在一致案例中准确率超90%，但在冲突案例中降至33-48%。Audio Twin框架通过将语音转换为文本可读表示，改善了冲突案例的准确率并减少了陷阱选择。
论文ContraTalkAudio Twin多模态
推荐理由：ContraTalk揭示了语音理解中的文本偏差问题，Audio Twin框架为多模态推理提供了新思路。
原文
19:31
19:10
19:10官方账号arXiv cs.LG@Hai-tao Yu, Nan Min, Zheng Fang, Hongyu Zhan, Yusen Tan, Yuhan Wang, Jun Xia
精选73°
MM-Spectrum 是一种稀疏 MoE 框架，专为多模态多光谱光谱到结构解析设计。该框架引入了显式模态感知路由机制，结合共享和交互专家，以及异构专家容量。在完整模态、双模态和缺失模态设置下，MM-Spectrum 在分子结构解析任务中取得了一致的显著改进。
论文MM-SpectrumMoE多模态
推荐理由：研究人员提出 MM-Spectrum 框架，解决了多光谱信号异质性问题，在分子结构解析任务中表现优异。
原文
18:21
18:12
18:11
17:18
17:18官方账号arXiv cs.AI@Timothy Oladunni, Farouk Ganiyu-Adewumi
研究使用CHROM算法评估了655条记录的PPG到rPPG恢复能力，心率平均绝对误差为15.26 bpm，皮尔逊相关系数为0.0801。Fitzpatrick VI与III类型的心率差异达9.32 bpm，而动态差异无相应梯度。添加运动和光照条件可降低13.32%的平均绝对误差。
论文rPPGPPGCHROM
推荐理由：这项研究揭示了不同生理属性在接触式PPG到相机rPPG转换中的恢复能力差异，对医疗监测设备开发有重要参考价值。
原文
17:03
16:56