AI资讯新闻榜单内容搜索-全模态

关键词: Gemini 2.0,Gemini,全模态模型,Gemini 2.0 Flash

OpenAI的全模态模型没来，谷歌的全模态图像生成器倒是抢先上线了！Gemini 2.0 Flash中上线的原生图像生成功能，动动嘴就能PS，还能轻松制作海报和表情包，动漫和漫画圈已经沸腾了。

关键词: AI,R1-Omni,模型训练,阿里通义

首次将DeepSeek同款RLVR应用于全模态LLM，含视频的那种！

关键词: Align-DS-V,DeepSeek,多模态,AI

在当前AI领域的快速发展中，“强推理慢思考”已经成为主要的发展动向之一，它们深刻影响着研发方向和投资决策。如何将强推理慢思考进一步推广到更多模态甚至是全模态场景，并且确保和人类的价值意图相一致，已成为一个极具前瞻性且至关重要的挑战。

关键词: AI,多模态,全模态,无问芯穹,开源模型

全球首个端侧全模态理解开源模型来了！

关键词: 对齐,AI,align-anything,模型训练

如何全模态大模型与人类的意图相对齐，已成为一个极具前瞻性且至关重要的挑战。

关键词: AI,大模型,人工智能,av-LLMs,模型训练

音视频大语言模型在处理视频内容时，往往未能充分发挥语音的作用。video-SALMONN模型通过三部分创新：音视频编码和时间对齐、多分辨率因果Q-Former、多样性损失函数和混合未配对音视频数据训练。该模型不仅在单一模态任务上表现优异，更在视听联合任务中展现了卓越的性能，证明了其全面性和准确性。

关键词: 模型训练,MiCo,GPT-4o,AI,大模型

GPT-4o掀起一股全模态（Omni-modal）热潮，去年的热词多模态仿佛已经不够看了。