跳到正文
只看论文#多模态

标签

#多模态

按发布时间排列的全部收录，按天分组；筛选和搜索都在这一页。

共 39 条 · 更新于 19:17

11/05

星期四2 条

  1. MarkTechPost36Google Research 发布 Agile Deliberation 框架，用于灰色地带图像分类器
  2. Google Research36Google Research 提出 Agile Deliberation：让 AI 帮人类厘清主观概念的灰色地带

11/04

星期三2 条

  1. Hacker News · AI 讨论26BRACE：自动验证 AI 胸部 X 光陈述的 grounding 框架
  2. IT之家55小鹏联合北大、港大发布 GroundingPI 具身感知基座模型，34 项感知基准综合得分超 GPT-6 Astra

11/03

星期二1 条

  1. Hacker News · 首页18维苏威挑战赛首次读出 PHerc. 306B 古卷文字，Liam Warner 与 Nicola Bodill 获 5 万美元首字母奖

11/02

星期一1 条

  1. Hacker News · AI 讨论62腾讯微信视觉团队发布 WeVisCut 技术报告，单个 9B 智能体完成旁白到长视频剪辑

11/01

星期日2 条

  1. The Decoder58Adobe 与 UC San Diego 提出 EditAgent，让 AI 智能体像 Photoshop 专业用户一样选工具修图
  2. The Decoder36Google 联合斯坦福、牛津推出 StreamVibe 视频智能体，让 AI 自己判断何时该开口

10/29

星期四1 条

  1. Hacker News · 首页60Cartesia 发布 H-Net 缩放结果：字节级动态分块比 BPE 省 3-5 倍算力

10/28

星期三1 条

  1. 掘金58图森与弗吉尼亚理工团队提出三阶梯诊断协议，定位图像转文本后推理变差的原因

10/27

星期二2 条

  1. 掘金81阿里 ATH-MaaS 开源 0.8B 统一 OCR 模型 OvisOCR3，OmniDocBench v1.6 得分 96.74
  2. 雷峰网40清华与智谱论文披露 GLM-Omni：会画却不会说，图像知识难转文字回答

10/26

星期一6 条

  1. 掘金58蚂蚁 PolyOCR-Venus 用 CGPO 路由蒸馏，OCRBench v2.1 英文 80.42 登顶
  2. 掘金34暨南大学发布 HANS 数据集：让文档解析模型学会忽略学生涂改
  3. 掘金71FAU 实测 8 个 7B 以下 VLM 抽取 JSON：OCR 专用模型零分，通用指令模型微调后领先
  4. 掘金62腾讯 EVIE 把视觉文档检索索引从 488 GiB 压到 3.81 GiB，ViDoRe V3 精度只降 7 分
  5. 掘金58哈工大实测六个开源 VLM 的检索-阅读差距，证据页全召回仍答错
  6. 掘金45GAD-RL：用状态感知蒸馏解决 OCR 模型「改错别字」问题

10/25

星期日1 条

  1. 掘金59OPPO SP-DocReader 用自博弈三轮把文档 OCR 的 CER 从 2.40 降到 1.11

10/24

星期六1 条

  1. 掘金60Nano World Models（NanoWM）分析笔记：世界模型与视频生成模型的区别及扩散强迫实现

10/23

星期五3 条

  1. Amazon Science28Audible 用可控 TTS 与 BookLLM 改进有声书语音合成
  2. Hacker News · 首页8Biograph 研究：AI 分析 CT 扫描发现 42.9% 患者存在冠状动脉炎症
  3. Hacker News · AI 讨论12测试 12 个 AI 模型对人类的"争议观点"，29/35 次答案相同：人类更忠于归属而非真相

10/22

星期四8 条

  1. 掘金58哈工大实测六个开源 VLM：证据页全在上下文里仍答错，补 OCR 文本涨 13-16 分
  2. 掘金37暨南大学发布 HANS 数据集：让文档解析模型学会忽略学生涂改
  3. 掘金34IIT Gandhinagar 用 AI 流水线识别并翻译阿育王婆罗米文铭文
  4. 掘金66阿里 Qwen DianJin 团队提出分层多模态记忆，重建长文档标题层级并发布 CLDoc-HHRBench 基准
  5. 掘金52DDVR-Net 用可见度门控拆分字形与破损特征，严重破损字符准确率 61.54%
  6. 掘金60腾讯 EVIE 把视觉文档检索索引从 488 GiB 压到 3.81 GiB，精度让 7 分
  7. Hacker News · AI 讨论20Claude Sonnet 5.5 能否从照片可靠估算食物宏量营养素？
  8. Google Research24Google Research 用 AI 辅助超声评估孕龄，盲扫法在肯尼亚与芝加哥验证

10/21

星期三4 条

  1. The Rundown AI20Mass General Brigham 用 4000 万张人脸训练 AI，凭一张自拍预测癌症生存风险
  2. Hacker News · AI 讨论58清华团队提出 PPMem 用平面基元为视频世界模型建立持久记忆
  3. 钛媒体22《柳叶刀·数字健康》：麻省总医院布莱根 FAHR-Face 仅凭人脸照片预测癌症患者死亡风险
  4. 雷峰网20王友清教授团队论文被 ACM MM 2026 录用

10/20

星期二1 条

  1. 雷峰网22华中师大 CoReFuse-Med：先净化再融合，让低质模态不再拖后腿｜ACM MM 2026

10/15

星期四1 条

  1. Apple Machine Learning34Apple 提出 SSR：用选择式结构化推理提升多模态搜索智能体效率

10/14

星期三1 条

  1. Apple Machine Learning22Apple 首次从零预训练三模态掩码扩散模型，系统研究多模态扩展规律

09/29

星期二1 条

  1. Microsoft Research18微软研究院推出生物世界模型 Quine，联合 Broad Institute 验证肿瘤候选化合物