多模态paper 第2页

DeepSeek在智慧物流管控中的全场景落地方案

一、智慧物流核心痛点与DeepSeek解决方案矩阵物流环节行业痛点DeepSeek技术方案价值增益仓储管理库存预测误差率>30%多模态时空预测模型库存周转率↑40%运输调度车辆空驶率35%强化学习动态调度引擎运输成本

猴的哥儿·2025-03-18 04:47

探索DeepSeek：前端开发者不可错过的新一代AI技术实践指南

作为覆盖语言、代码、视觉的多模态技术矩阵，DeepSeek不仅实现了与ChatGPT相媲美的能力，还通过强化学习驱动的架构创新，解决了大模型落地中的成本与效率瓶颈。

formerlyai·2025-03-18 02:21

【多模态处理篇五】【DeepSeek文档解析：PDF/Word智能处理引擎】

你知道吗？全球每天产生的PDF文档超过10亿份，但90%的上班族还在用复制粘贴的笨办法处理文档！DeepSeek文档解析引擎就像给你的电脑装上了"文档翻译官"，能把PDF/Word里的文字、表格、公式甚至排版样式都变成AI能理解的"语言"。举个真实场景：法务小姐姐用这个工具处理200页的英文合同时，5分钟就能提取出关键条款、风险点、履约时间线，效率直接翻10倍！一、核心技术解析：文档处理的"庖丁解

再见孙悟空_·2025-03-18 01:48

ChatGPT推理模型&通用模型大解析！

以下是ChatGPT的所有模型及其分类介绍：通用模型GPT-4：OpenAI的旗舰模型，是一个大型多模态模型，能够比以前的模型更准确地解决困难问题，具有更广泛的通用知识和先进的推理能力。

即兴小索奇·2025-03-18 00:38

基于多向量检索器的多模态RAG实现：用于表格、文本和图像

这些cookbooks还提出了一些将多模态LLM与多向量检索器配对以解锁图像上的RAG的想法。

lichunericli·2025-03-17 21:44

ST-Align：一个包含430万训练样本，涵盖了15种细粒度多模态数据集

2025-01-15，由北航大学、合肥工业大学、中科院信息工程研究所和美团等机构联合创建介绍了一种名为LLaVA-ST的多模态大型语言模型。

·2025-03-17 15:12

AI大模型学习路线：从入门到精通的完整指南【2025最新】

它们不仅在自然语言处理（NLP）任务中表现卓越，还在计算机视觉、多模态交互等领域展现出巨大潜力。

AI大模型-大飞·2025-03-17 10:27

Google Gemini 大模型技术架构剖析

▼最近直播超级多，预约保你有收获近期直播：《从原理到实践教你做出一个Gemini/ChatGPT》—1—Gemini技术架构剖析Google新的多模态模型家族Gemini，它在文本、图像、音频、视频等方面具有卓越的能力

musicml·2025-03-17 08:15

展望 AIGC 前景：通义万相 2.1 与蓝耘智算平台共筑 AI 生产力高地

作为该领域的革命性技术代表，通义万相2.1凭借其开源特性、多模态生成能力和技术突破，成为全球视频生成模型的标杆。

accurater·2025-03-17 07:07

文心一言提前免费，高性能大模型全面入局该咋看？

文心大模型4.5作为首个原生多模态大模型，在多模态理解、文本和逻辑推理能力上的显著提升，使其在多项测试中表现优于GPT4.5，这体现了百度在AI技术研发上的深厚积累。同时，文心大模型X1作为深度思

江瀚视野·2025-03-17 07:06

Python Turtle 海龟画图官方文档

最初来自于WallyFeurzeig,SeymourPapert和CynthiaSolomon于1967年所创造的Logo编程语言。请想象绘图区有一只机器海龟，起始位置在x-y平面的(0,0)点。

Leleprogrammer·2025-03-16 23:03

DeepSeek：技术教育领域的AI变革者——从理论到实践的全面解析

DeepSeek作为国产开源大模型的代表，凭借其推理能力、多模态支持与低成本部署的特性，正在为技术教育带来突破性解决方案。

量子纠缠BUG·2025-03-16 23:03

玩转Python绘图利器——Turtle库

一、Turtle库简介Turtle库最早由WallyFeurzeig、SeymourPapert和CynthiaSolomon等人在1960年代末期开发，目的是为了教学和艺术创作。

Ai_绘画小南·2025-03-16 23:32

一周热点：微软攻克语音输入、文本输出难题-Phi-4-multimodal

微软Phi-4-multimodal模型是人工智能领域的一个重要进展，它标志着微软在多模态人工智能技术上的突破。

数据分析能量站·2025-03-16 22:57

大模型巅峰对决：DeepSeek vs GPT-4/Claude/PaLM-2 全面对比与核心差异揭秘

喜欢可以到主页订阅专栏目录技术架构对比性能表现与基准测试多模态与多语言能力推理效率与成本分析开源生态与行业适配应用场景与案例研究未来发展与技术趋势代码实现与调用示例1.技术架构对比DeepSeek：动态稀疏激活的混合专家系统

accurater·2025-03-16 16:40

TRAE与Cursor最佳实践指南（截至2025年3月）

多模态输入：上传设计草图或错误截图，结合自然语言描述需求，提升代码生成精准度（例如电商页面开发可直接上传原型图）。版本控制：利用“历史会话回溯”功能快速回退到指定版本，避免代码修改失控。

xinxiyinhe·2025-03-16 11:05

【大模型UI\多模型回复UI】

OpenWebUI提供直观的界面，支持多模型和多模态交互，具有全面的Markdown和LaTeX支持，以及本地RAG集成等功能

Ai君臣·2025-03-16 06:29

DeepSeek：技术创作者的内容革命，从代码到爆文的AI全栈攻略

写作卡顿：明明代码跑通了，却在技术原理描述环节反复修改效率瓶颈：既要写技术文档又要运营专栏，时间永远不够用DeepSeek的多模态理解能力（支持代码+自然语言混合输入）和领域自适应特性（自动识别技术文档

不想加班的码小牛·2025-03-16 02:59

DeepSeek多语言智能创作引擎解析

内容概要在人工智能技术加速演进的背景下，DeepSeek系列产品通过混合专家架构（MoE）与670亿参数的协同设计，构建了多模态智能创作引擎的核心竞争力。

智能计算研究中心·2025-03-15 20:22

Transformer动画讲解 - 工作原理

Transformer模型在多模态数据处理中扮演着重要角色，其能够高效、准确地处理包含不同类型（如图像、文本、音频、视频等）的多模态数据。

ghx3110·2025-03-15 19:16

2025年开源大模型全景：语言、多模态与开发工具的前沿探索

语言类开源大模型1.Llama系列开发者：Meta发布时间：2024年7月参数量：8B、70B、405B特点：Llama系列模型以其强大的多语言支持和广泛的自然语言处理能力而闻名。它支持文本生成、问答、翻译等多种任务，尤其在处理长篇文本时表现出色，支持高达128K的上下文长度。Meta与超过25个合作伙伴共同推出该系列模型，包括亚马逊云科技、Databricks和英伟达等，推动了开源大模型在工业界

软件职业规划·2025-03-15 15:08

Gemini 2.0 全面解析：技术突破、应用场景与竞争格局

摘要2025年3月，谷歌正式发布Gemini2.0大模型，凭借其在多模态处理、代码生成和长上下文理解等领域的突破性进展，迅速成为AI领域的焦点。

zhz5214·2025-03-15 09:24

cv君独家视角 | AI内幕系列七：EfficientViT模型：基于多尺度线性注意力模块，实现高效的高分辨率密集预测

通过一系列精心策划的文章，我们将带您深入了解AI的各个领域，从计算机视觉到文本语音等多模态领域，从基础理论到前沿技术，从行业应用到未来趋势。

cv君·2025-03-15 09:19

eBest AI Hub全场景接入Deepseek

一、技术赋能，智创未来Deepseek的强大基因将为eBest产品注入新的活力即时智能响应：融合海量行业智慧与互联网搜索精华，提供秒级智能建议；多模态理解能力：突破界限，无缝融合文本、代码与图像理解

eBest数字化转型方案·2025-03-15 07:01

认知科学：解决复杂问题的5个关键策略

这些策略包括：模式识别规则抽取推理和逻辑推理知识表示和知识图谱多模态处理我们将在接下来的部分中详细讨论这些策略，并提供代码实例和数学模型公

AI天才研究院·2025-03-15 06:25

多分类—微调DistilBERT对生物医学文本进行实验方法多分类：Automated Text Mining of Experimental Methodologies from Biomedical

AutomatedTextMiningofExperimentalMethodologiesfromBiomedicalLiterature从生物医学文献中自动挖掘实验方法文本paper：https:/

小小帅AIGC·2025-03-14 23:56

1章5节：大模型术语解读与从生成到推理的演进

从多模态到通用模型，再到行业模型，人工智能的边界不断拓展，为各行各业带来了全新的机遇与挑战。

DAT｜R科学与人工智能·2025-03-14 22:08

推理大模型：技术解析与未来趋势全景

推理大模型的定义推理大模型（ReasoningLLMs）是专门针对复杂多步推理任务优化的大型语言模型，具备以下核心特性：输出形式创新展示完整逻辑链条（如公式推导、多阶段分析）任务类型聚焦擅长数学证明、编程挑战、多模态谜题等深度逻辑任务训练方法升级融合强化学习

时光旅人01号·2025-03-14 15:10

DeepSeek 与其他 AI 模型的对比：优势与特色分析

多模态能力：DeepSeek支持多种输入和输出形式，如图像和语音。行业适配性：DeepSeek提供了针对不同行业的优化方案。三、与BERT系列的对比生成能力：Dee

CarlowZJ·2025-03-14 14:00

DeepSeek大模型部署指南

DeepSeek作为一款高性能的大模型，支持长文本、多模态、代码生成等复杂任务，已经在多个领域展现出强大的能力。

点我头像干啥·2025-03-14 12:20

全球首款通用AI Agent「Manus」来了！中国团队打造，让AI真正替你干活！

它集成了多模态交互系统和自主任务规划能力，不仅能理解自然语言指令，还能主动拆解复杂任务、调用各类软件工具，真正实现"动口不动手"的智能体验

ruanjianan1·2025-03-14 02:10

【大模型新书】基于RAG的生成式AI：使用LlamaIndex、Deep Lake和Pinecone构建自定义的检索增强生成管道

AI管道，利用嵌入式向量数据库和集成的人类反馈来实现检索增强生成（RAG）购买本书的纸质版或Kindle版即包含免费的PDF格式电子书主要特点实现RAG的可追溯输出，将每个响应与其源文档链接，构建可靠的多模态对话智能体在管道中集成

AI大模型-大飞·2025-03-13 23:18

Activeloop Deep Lake: AI时代的数据湖解决方案

ActiveloopDeepLake是一种多模态向量存储解决方案，支持嵌入和元数据（如文本、Json、图像、音频、视频等）的存储。

HGWAcsdgvs·2025-03-13 22:15

Deep Lake：人工智能时代的数据湖

它提供高效的多模态数据管理、类似Git的版本控制、强大的查询和可视化功能，并与MLOps生态系统无缝集成，助你轻松驾驭海量数据，加速模型训练！

开源项目精选·2025-03-13 22:43

第81期 | GPTSecurity周报

SecurityPapers1.大语言模型与代码安

·2025-03-13 20:59

基于多模态大模型的不完整多组学数据特征选择策略

基于多模态大模型的不完整多组学数据特征选择策略是当前生物信息学和精准医学领域的一个前沿问题。

m0_65156252·2025-03-13 18:17

m0_65156252·2025-03-13 18:16

点云从入门到精通技术详解100篇-基于激光雷达点云的三维目标检测

目录前言图像目标检测算法研究现状点云目标检测算法研究现状基于投影图的方法基于体素的方法基于点云的多模态融合方法2地面点云滤波及神经网络2.1目标检测数据集及采集设备2.1.1KITTI数据集2.1.2车载激光雷达

格图素书·2025-03-13 13:08

LLM填坑：训练自己的分词器-Tokenizer

paper:https://zhuanlan.zhihu.com/p/625715830code:Chatterbox/example/TrainTokenizersExample/train_tokenizers.pyatmain

微风❤水墨·2025-03-13 08:53

Linly-Talker：开源数字人框架的技术解析与影响

一、引言：AI数字人的发展趋势近年来，数字人（DigitalHuman）技术迅速发展，从最早的2D虚拟主播，到如今能够进行实时交互的3D智能助手，AI在多模态交互领域的应用愈发广泛。

萧鼎·2025-03-13 08:23

豆包AI：打破智能边界，开启“人人可编程”的AI普惠时代

当大多数AI平台还在比拼模型参数时，豆包AI以“零代码交互+多模态引擎+垂直场景精调”的创新架构，正在重塑人机协作的范式。

Herbig·2025-03-13 05:07

【华为机考E卷】-“第k个排列”题解思路java

算法每一题，成长每一天~C0E33第k个排列真题链接：【持续更新】2024华为OD机试E卷机考真题库清单（全真题库）思路Javapackagecom.ccr.paper_f;importjava.util.ArrayList

Coder灬永不止步·2025-03-13 01:34

论文阅读笔记——π0: A Vision-Language-Action Flow Model for General Robot Control

π0采用FlowMatching技术来建模连续动作的分布，这一创新使模型能够精确控制高频率的灵巧操作任务，同时具备处理多模态数据的能力。

寻丶幽风·2025-03-13 01:33

InternVL：论文阅读 -- 多模态大模型(视觉语言模型)

XiaoJ1234567·2025-03-12 23:20

VLRMBench ：一个涵盖数学推理、幻觉理解、多图像理解等多种任务的视觉-语言奖励模型基准测试数据集

一、研究背景近年来，随着大语言模型和大视觉-语言模型的快速发展，它们在多模态任务中取得了显著进展，广泛应用于医学影像、遥感、自动

·2025-03-12 22:23

如何增强机器学习基础，提升大模型面试通过概率

我的好朋友没有通过面试所以我给我的好朋友准备了这一篇学习路线随着大模型（如Transformer、GPT-4、LLaMA等）在自然语言处理（NLP）、计算机视觉（CV）和多模态任务中的广泛应用，AI行业的招聘竞争愈发激烈

weixin_40941102·2025-03-12 19:55

稚晖君甩出人形机器人王炸！灵犀X2干碎行业天花板，程序员集体跪服…

这款搭载“硅光动语”多模态大模型的怪物，不仅会骑自行车、跳科目三，还能通过人类表情判断情绪，实现毫秒级交互反应，直接刷新行业认知。网友辣评：“这玩意要是量产，家政阿姨和工厂普工可以直接领退休金了！”

回南天码农·2025-03-12 19:54

(9-4-01)MM-Vet多模态大模型评估系统：多模态大模型评估

9.4多模态大模型评估在本项目中，通过文件mm-vet-v2_evaluator.py评估常见多模态模型在MM-Vet-v2数据集上的表现。

码农三叔·2025-03-12 17:13

vLLM框架：使用大模型推理框架

以下从安装配置、基础推理、高级功能、服务化部署到多模态扩展逐步讲解。

CITY_OF_MO_GY·2025-03-12 17:12

Phi-4-multimodal：图、文、音频统一的多模态大模型架构、训练方法、数据细节

Phi-4-Multimodal是一种参数高效的多模态模型，通过LoRA适配器和模式特定路由器实现文本、视觉和语音/音频的无缝集成。

余俊晖·2025-03-12 12:40

推荐频道

多模态paper