AI Stack

TAGS / TERM

多模态

共 306 篇

  1. 自适应置信度正则化用于多模态失效检测 2026-03-03 · ARXIV
  2. GPT-5.3 Instant 系统卡发布：性能与安全机制详解 2026-03-03 · BLOGS_PODCASTS
  3. ChatGPT-on-WeChat：接入多平台与大模型的多模态AI助理框架 2026-03-03 · GITHUB_TRENDING
  4. 基于大规模真实手写数学数据评估AI阅卷性能 2026-03-03 · ARXIV
  5. MC-Search：基于结构化长推理链的多模态智能体搜索评估与增强 2026-03-03 · ARXIV
  6. 模式寻优与均值寻优结合实现快速长视频生成 2026-03-03 · ARXIV
  7. Nano Banana 2：Gemini 3.1 Flash 图像生成模型预览 2026-03-02 · BLOGS_PODCASTS
  8. Gemini 2.0 Flash 登场：超越 GPT-4o，成新 SOTA 图像生成模型 2026-03-02 · BLOGS_PODCASTS
  9. CowAgent：支持多平台接入与多模型的主动思考型 AI 助理 2026-03-02 · GITHUB_TRENDING
  10. 规模无法克服语用学：报告偏见对视觉语言推理的影响 2026-03-02 · ARXIV
  11. SOTAlign：基于最优传输的单模态视觉与语言模型半监督对齐 2026-03-02 · ARXIV
  12. 规模难以克服语用学：报告偏差对视觉语言推理的影响 2026-03-01 · ARXIV
  13. 基于大模型的AI助理CowAgent：多平台接入与多模型处理 2026-03-01 · GITHUB_TRENDING
  14. SOTAlign：基于最优传输的单模态视觉与语言模型半监督对齐 2026-03-01 · ARXIV
  15. Nano Banana 2：Gemini 3.1 Flash 图像生成模型预览 2026-03-01 · BLOGS_PODCASTS
  16. 面向智能体的音频工具包 2026-03-01 · HACKER_NEWS
  17. Gemini 2.5 Pro与Nano Banana 2：SOTA文生图模型与图像预览 2026-03-01 · BLOGS_PODCASTS
  18. ChatGPT-on-wechat：支持多平台接入的AI助理框架 2026-03-01 · GITHUB_TRENDING
  19. 首个 Gemini 3.1 模型 Nano Banana 2 预览：SOTA 图像生成 2026-02-28 · BLOGS_PODCASTS
  20. zhayujie/chatgpt-on-wechat：接入多平台与模型的多模态AI助手框架 2026-02-28 · GITHUB_TRENDING
  21. SOTAlign：基于最优传输的单模态视觉与语言模型半监督对齐 2026-02-28 · ARXIV
  22. SeeThrough3D：文本生成图像中的遮挡感知三维控制 2026-02-28 · ARXIV
  23. EverMemOS：开源Agent长时记忆系统，LoCoMo推理准确率93% 2026-02-28 · JUEJIN
  24. Gemini 3.1 Flash Image Preview 登场：全新 SOTA 图像生成模型 2026-02-28 · BLOGS_PODCASTS
  25. 使用 Nano Banana 2 构建图像生成与编辑应用 2026-02-28 · BLOGS_PODCASTS
  26. 规模难以克服语用学：报告偏差对视觉语言推理的影响 2026-02-27 · ARXIV
  27. SOTAlign：基于最优传输的单模态视觉与语言模型半监督对齐 2026-02-27 · ARXIV
  28. Gemini 2.0 Flash 登场：成新一代 SOTA 图像生成模型 2026-02-27 · BLOGS_PODCASTS
  29. CowAgent：基于大模型的自主思考与任务规划 AI 助理 2026-02-27 · GITHUB_TRENDING
  30. 使用 Nano Banana 2 构建图像生成与编辑应用 2026-02-27 · BLOGS_PODCASTS
  31. Nano Banana 2：Gemini 3.1 Flash 图像生成模型预览 2026-02-27 · BLOGS_PODCASTS
  32. 基于大模型的AI助理CowAgent：主动思考、任务规划与多平台接入 2026-02-27 · GITHUB_TRENDING
  33. 面向高效高分辨率GUI智能体的时空令牌剪枝 2026-02-27 · ARXIV
  34. MovieTeller：工具增强且ID一致的渐进式摘要生成 2026-02-27 · ARXIV
  35. 基于大模型的AI助理ChatGPT-on-WeChat：支持多平台接入与多模型 2026-02-26 · GITHUB_TRENDING
  36. AI Agent接管手机：移动端观测技术与事件特征提取 2026-02-26 · JUEJIN
  37. Ferret-UI Lite：端侧轻量级GUI Agent构建经验 2026-02-26 · HACKER_NEWS
  38. 基于 AWS CDK 集成 Rekognition、Neptune 与 Bedrock 构建智能照片搜索系统 2026-02-26 · BLOGS_PODCASTS
  39. 首个完全通用的计算机动作模型 2026-02-26 · HACKER_NEWS
  40. 基于AWS CDK集成Rekognition、Neptune与Bedrock的智能图片搜索系统 2026-02-26 · BLOGS_PODCASTS
  41. 首个完全通用的计算机动作模型 2026-02-26 · HACKER_NEWS
  42. TG-ASR：基于并行门控交叉注意力的翻译引导低资源语音识别 2026-02-26 · ARXIV
  43. 任意模态下的多向量索引压缩方法 2026-02-26 · ARXIV
  44. 基于 AWS CDK 集成 Rekognition、Neptune 与 Bedrock 构建智能图片搜索系统 2026-02-25 · BLOGS_PODCASTS
  45. 首个完全通用的计算机动作模型 2026-02-25 · HACKER_NEWS
  46. 多模态任意向量索引压缩技术 2026-02-25 · ARXIV
  47. VAUQ：面向LVLM自评估的视觉感知不确定性量化 2026-02-25 · ARXIV
  48. 面向大规模视频推理的综合基准测试套件 2026-02-25 · ARXIV
  49. 面向大规模视频推理的综合基准测试套件 2026-02-24 · ARXIV
  50. 接入多平台的大模型 AI 助理框架 2026-02-24 · GITHUB_TRENDING