DeepMMSearch-R1：通过“多工具、多轮交互”检索增强推理循环，实现面向真实网页的多模态检索/推理一体化
现实应用中的多模态大模型（MLLM）在知识密集与信息检索型视觉问答任务上常受限于静态训练语料与长尾知识分布，难 […]
DeepMMSearch-R1：通过“多工具、多轮交互”检索增强推理循环，实现面向真实网页的多模态检索/推理一体化 Read More »
多模态
Diffusion Transformer (DiT)
扩散模型在图像生成上长期以卷积式 U-Net 为主干，但论文Scalable Diffusion Models
Diffusion Transformer (DiT) Read More »
World Labs：“空间智能”（spatial intelligence）公司
一、基本信息与创始背景 二、技术方向与产品愿景 World Labs 致力于开发一种被称为 “Large Wo
World Labs：“空间智能”（spatial intelligence）公司 Read More »
SensorLM：能够通过自然语言理解可穿戴传感器数据的模型
论文SensorLM: Learning the Language of Wearable Sensors提出
SensorLM：能够通过自然语言理解可穿戴传感器数据的模型 Read More »
“搜索本身将进化成包含AI模式(AI Mode)的新形态…搜索不会被替代，而是被重新定义”
近日，主持人 David Friedberg 与 Alphabet CEO 桑达尔·皮查伊（Sundar Pi
“搜索本身将进化成包含AI模式(AI Mode)的新形态…搜索不会被替代，而是被重新定义” Read More »
Gemini Robotics模型体系
一、研究背景与技术动机 近年来，大型多模态模型（Multimodal Foundation Models）的发
Gemini Robotics模型体系 Read More »