谷歌Gemini 3.0引爆多模态，阿里Qwen2.5-VL开源｜多模态大模型本周大事
01-05 18:38
精选参考来源
精选参考来源
1. 全模态大模型部署，vLLM-Omni 来了，100%开源 - 哔哩哔哩
哔哩哔哩 2025-12-29 00:00:00
2. 谷歌 Gemini 3.0 功能汇总，附国内直接使用
微信公众号 2025-12-30 00:00:00
3. 国产视觉“六边形战士”登场：Qwen2.5-VL以开源全能之姿，重塑多模态AI格局
知乎 2025-12-31 00:00:00
4. 让AI看懂长视频：MBZUAI突破多模态视频理解瓶颈 - 哔哩哔哩
哔哩哔哩 2025-12-25 00:00:00
5. Agentic多模态智能体工具调用。🌍 研究背景 多模态大语言模型虽在视觉-语言任务中取得进展，但在复杂、长程的视觉问答中仍力不从心。为此，多模态智能体（Agentic MLLM）通过调用外部工具（如检索、代码、视觉分析）扩展能力边界 ⚠️ 研究动机 当前方法面临两大瓶颈： 1. 缺乏全局规划 → 工具调用盲目、推理碎片化； 2. 视觉上下文退化 → 初始一次性感知后无法重聚焦关键区域，导致错误累积 🛠️ ToolScope ToolScope包括三个核心模块： 1. Global Navigator 🌐 → 初期生成全局推理计划，预选必要工具 2. Agentic Executor 🤖 → 迭代调用三类工具： - Perceive：按需“再看”图像，动态聚焦视觉区域（解决退化问题）； - Search：文本/多模态知识检索； - Code：执行与调试代码 3. Response Synthesizer 🧼 → 提炼完整推理链，输出简洁、准确答案 ✨ 创新点 将图像视为可查询的感知记忆，支持动态重注意力 全局规划 + 局部感知统一，推理更连贯、高效 在 4 个 VQA 基准上平均提升 +6.69%，兼容主流 MLLM ToolScope 属于 ReAct 风格，在多模态长程 VQA 场景下，在全局规划与动态视觉再感知方面，进行实质性扩展 #智能体 #AI #低空经济 #大模型 #知识前沿
抖音 2025-12-30 00:00:00
6. Z-Image Nunchaku加速版 - 更快、更高质量的AI文生图 4G显存可用 支持50系显卡 一键整合包下载
知乎 2025-12-25 00:00:00
7. 贴脸开大的AI改图？X平台Grok功能遭创作者集体抵制，版权伦理双重失守
微信公众号 2025-12-28 00:00:00
8. 研究 | 从纽约时报诉Perplexity浅析技术特性与责任认定——爬虫协议、幻觉与来源标注
微信公众号 2025-12-31 00:00:00
9. AI版权战全面升级！六大巨头被作家集体告上法庭，训练数据“免费午餐”时代终结？
微信公众号 2025-12-28 00:00:00
10. 通义万相2.6上线 首个AI短片《捕食者》支持角色扮演国产视频模型
今日头条 2025-12-27 00:00:00
11. 12.25-2｜长视频多智能体多轮推理；MLLM四个层级的空间能力评估；sam audio
微信公众号 2025-12-25 00:00:00
12. 腾讯混元OCR大模型，本地部署，实测
知乎 2025-12-30 00:00:00
13. 阿里AI修图革命再升级！Qwen-Image-Edit-2511开源引爆行业
今日头条 2025-12-26 00:00:00
14. Molmo 2：多模态视频理解的“全能王”，开启智能视频分析新时代！
微信公众号 2025-12-30 00:00:00
15. 大模型一周资讯精选（2025.12.23-12.29）
微信公众号 2025-12-30 00:00:00
16. LLaVA-OneVision-1.5多模态大模型入选InfoQ 2025中国技术力量年度榜单
微信公众号 2025-12-30 00:00:00
17. 机器人订单排到明年！北京AI备案破200，通义万相2.1引爆视频革命
今日头条 2025-12-25 00:00:00
18. FysicsWorld：填补全模态交互与物理感知评测的空白
今日头条 2025-12-29 00:00:00
19. 科研成果 | MARA：一种针对文档问答的多模态自适应检索增强生成框架
微信公众号 2025-12-26 00:00:00
20. 工业缺陷检测新王者 - 零样本多模态VLM模型解密
微信公众号 2025-12-30 00:00:00
21. 多模态扩散模型实战：原理、推理流程与显存优化（量化篇）
知乎 2025-12-26 00:00:00
22. AI 生成的内容算不算原创？普通人用会不会侵权
知乎 2025-12-30 00:00:00
23. AI作品获摄影大奖，法律上算谁的？——从《湖秋雾影》争议看版权认定之困
微信公众号 2025-12-29 00:00:00
24. 马斯克圣诞放“炸弹”：X全图可AI篡改，画师集体破防，这不是整活是抢劫！
微信公众号 2025-12-28 00:00:00
25. 百度文心 5.0 Preview 上线：这一次，不只是“跑分全球第一”，更是“真能干活”了。
微信公众号 2025-12-29 00:00:00
26. Dify、扣子Coze、RAG、MCP：多模态大模型与AI Agent教程学资料 - 哔哩哔哩
哔哩哔哩 2025-12-29 00:00:00
27. vLLM-Ascend 部署推理服务化的实践记录
知乎 2025-12-27 00:00:00
28. 版权巨头为何一边起诉AI，一边砸钱合作？真相让人意外！
微信公众号 2025-12-26 00:00:00
29. 多模态迎来全能选手：Meta等发布Tuna：构建统一视觉表示空间，成为首个全优多模态模型
微信公众号 2025-12-25 00:00:00
30. 解锁 MLLM 跨模态潜力！多模态RAG再超神，性能狂飙 33%+！高区热门！
微信公众号 2025-12-29 00:00:00
31. 2026深度智能体开发 – 使用Gemini和Langchain的多代理RAG系统 | 2026 Deep Agent
微信公众号 2025-12-26 00:00:00
32. 【直播】【MDPI Seminar】构建可信多模态智能——挑战与前沿进展 | 12月26日
微信公众号 2025-12-25 00:00:00
33. 多模态GraphRAG思路MegaRAG及文本去隐私模型的简单工具
微信公众号 2025-12-26 00:00:00
34. 有趣的多模态GraphRAG实现思路M³KG-RAG及大模型用于绘制图表开源工具
微信公众号 2025-12-27 00:00:00
35. 从“跨模态炫技”到“产业实用”多模态大模型真的能落地见效吗？
今日头条 2025-12-29 00:00:00
36. 数小时视频，关键仅几秒：AI 如何像侦探一样找到答案？LongVT：先定位再核验，精准不瞎猜
知乎 2025-12-25 00:00:00
37. Dify v1.11.0：知识库支持多模态检索
微信公众号 2025-12-26 00:00:00
38. AI大模型项目三连炸：多模态监控平台+RAG推荐系统+智能体智驾系统 - 哔哩哔哩
哔哩哔哩 2025-12-28 00:00:00
39. RAG 进阶全系列教程（非常详细），传统/多模态/Agentic/GraphRAG 全解，收藏这一篇就够了！
知乎 2025-12-27 00:00:00
40. DeepSeek大模型开发架构应用实践GPT多模态大模型与AI Agent智能体 - 哔哩哔哩
哔哩哔哩 2025-12-29 00:00:00
41. AI生成内容“亮明身份”：9月新规落地，我们的网络安全感从何而来？
微信公众号 2025-12-30 00:00:00
42. 多模态大模型工作原理
微信公众号 2025-12-29 00:00:00
43. 如何利用和把控好AI内容的生成
微信公众号 2025-12-25 00:00:00
44. 中国版权协会人工智能版权工作委员会成立，促进AIGC与版权产业平衡发展
微信公众号 2025-12-25 00:00:00
45. 12月多模态视觉语言模型测评榜单出炉
小红书 2025-12-30 00:00:00
已收藏
去我的收藏夹