⌘ K
… 读取采集状态 同步中...
雷

#多模态

今日 4 条
9月22日周二
  1. CVer13

    多模态融合方向：260篇论文与代码库资源整理

    作者整理了一套多模态融合资料，包含260篇论文及对应代码库。论文部分涵盖6篇入门必读、103篇CVPR/ECCV/NeurIPS等会议的最新顶会论文，以及151篇按基础、架构、应用、方法论分类的前沿高分论文。该资源旨在帮助研究者快速建立脉络、追踪趋势并复现Baseline，可通过指定渠道免费获取。

  3. 数字生命卡兹克89

    小米 MiMo V2.6 模型发布及开源评测

    小米发布 MiMo V2.6 系列模型，包括 Pro、Flash 及 Pro-UltraSpeed 版本，实现 1M 上下文与原生全模态支持。MiMo V2.6 Pro 在 Artificial Analysis 基准测试中得分 46 分，科研推理 CritPt 得分居首，缓存输入价格低至 0.025 元/百万 Token。

    推荐理由：实测数据展示了该模型在性能、价格与速度间的平衡，为评估多模态智能体提供了清晰对比。

9月21日周一
  2. 智东西32

    昇腾960超节点发布：华为以NPO互联与统一内存架构支撑10万卡集群系统工程

    华为发布昇腾960超节点，集成约5500个Hi-ONE模块替代4.8万个800G光模块，实现4096卡统一内存编址。该系统提供16EFLOPS FP4算力与1PB HBM容量，RTT时延低至2微秒，系统功耗降低超550千瓦。结合灵衢UnifiedBus架构，支持扩展至100万卡集群，加速AI基础设施进入系统工程阶段。

  6. APPSO46

    曝iPhone Duo原计划配专属手写笔/卢伟冰：小米18 Pro会涨价/黄仁勋：AI在2030年毁灭世界概率为0%

    彭博社曝苹果原计划为折叠屏 iPhone Duo 配专属磁吸触控笔，因技术问题改为兼容 iPad 版 Apple Pencil。小米总裁卢伟冰确认小米 18 Pro 系列将于 9 月 23 日发布且价格会上涨。英伟达 CEO 黄仁勋在专访中表示，他完全不认同 AI 会在 2030 年毁灭世界，并将此概率定为 0%。

  8. 大模型智能41

    国庆假期前后全球基础模型激战：Claude 5.2、Gemini 4 Pro、Grok 4.7及国内多家新模型蓄势待发

    硅谷与国内AI大厂在国庆假期前后密集推出或测试新模型。Anthropic正灰度测试Claude Opus 5.2，谷歌疑似在Arena中隐测Gemini 4 Pro，马斯克预告Grok 4.7即将更新。国内阶跃星辰发布Step 5 Preview，Kimi、DeepSeek和阿里Qwen4也分别通过预热暗示新一代模型已就位，行业竞争加剧。

9月20日周日
  2. 量子位55

    剪映发布剪映Hub，打通AI视频生成与多轨道剪辑

    剪映在抖音创作者大会发布剪映Hub，将AI视频生成与多轨道剪辑接入同一流程，支持从分镜脚本、素材生成到视频编辑与局部修改的一站式操作。PC端提供剪映助手Agent、AI后编辑及官方Skill生态，可导入Seedream 5.0 Pro生成图像和Seedance 2.5生成视频；手机端推出随拍成片、营销助手等AI功能，允许用户通过语音或文字指令直接控制剪辑与成片。

  5. AIGC开放社区72

    千问发布 Qwen3.8-LiveTranslate 实时同声传译模型

    千问推出实时同声传译模型 Qwen3.8-LiveTranslate，支持 60 种语言、平均滞后 LAAL 2.3 秒。该模型引入实时说话人分离、原文与译文同步输出，并通过 Interleave 架构结合音频与图像输入，利用屏幕文字和唇形辅助理解。模型采用 Hybrid-MoE 的 Thinker–Talker 双模块设计，提供热词配置、声音克隆等能力，主要通过实时 API 开放接入。

9月19日周六
  3. APPSO69

    OpenAI 逾 3 亿美元收购 Glass Imaging

    OpenAI 被报道以超过 3 亿美元收购 Glass Imaging，该交易尚未获官方确认。Glass Imaging 由 Ziv Attar 和 Tom Bishop 创立，两人曾参与苹果 iPhone 人像模式开发；公司将去马赛克、降噪、多帧融合等步骤整合到同一神经网络中，基于 RAW 数据训练以恢复传感器捕捉的真实信息，而非生成式修图。

    推荐理由：收购细节指向 AI 硬件分工逻辑，展示了 Neural ISP 如何影响摄像头与模型协同的设计。

  4. APPSO16

    赛力斯回应问界合作模式调整

    赛力斯副总裁康波系统回应问界转向品牌专属专营，明确用户权益与 OTA 升级不受影响。渠道分网计划将在 2026 年 12 月 31 日前完成，问界同时保有华为终端技术、产品与供应保障。产品端计划择机进军轿车与 MPV 市场，并将于 10 月亮相巴黎车展。

9月18日周五
  2. 极市平台57

    西湖大学张驰团队发布 World in World：把单机位视频变成可走进的 3D 场景

    西湖大学 AGI 实验室张驰团队发布 World in World 框架，给一段单机位视频即可实现自由重运镜、子弹时间与动作迁移，代码已开源。该方法不修改模型参数，基于公开的视频世界模型 LingBot-World 2.0（参数全部冻结），通过准备带相机与时间标签的参考材料并引入两个轻量注意力机制引导模型，实现换机位、定格环绕、动作迁移等效果。

  5. AI科技评论80

    达摩院发表Science论文发布通用腹部CT诊断模型DAMO RADAR

    阿里巴巴达摩院在Science发表论文，发布专家级通用AI模型DAMO RADAR。该模型一次性可识别超过146种病症，在近4万次真实世界检查中AUC达0.913，首次达到影像科专家平均水平。论文介绍了基于解剖级细粒度对齐和自适应对比学习的架构创新，并在14个机构26名放射科医生的盲测中验证了人机协作效果：AI辅助下医生诊断敏感性提升10%，阅片时间减少30.7%。

    推荐理由：论文提出基于解剖级细粒度对齐的通用腹部CT诊断模型DAMO RADAR，AUC达到0.913并开源。

  8. DeepTech深科技15

    清华卢志：结合 AI 将显微镜升级为生命观测工具

    清华大学助理教授卢志将光学、计算成像与 AI 结合，用于突破活体显微镜在视野与分辨率上的局限，发展介观脑科学。其团队于 2026 年 7 月在《Nature Biotechnology》发表论文，报道系统 RUSH3D-HR 可数毫米视野内分辨亚细胞结构并追踪动态。该工具支持研究针灸对免疫的影响及阿尔茨海默病等神经退行性疾病的早期连续追踪。

  9. DeepTech深科技68

    五家药企联合联邦学习训练共折叠模型，性能超公开最强对手约11%

    艾伯维、Astex制药、百时美施贵宝、强生和武田制药通过Apheris的联邦学习架构，利用各自私有蛋白-配体结构本地训练模型，参数上传聚合后得到AISB-1-Fed。

    推荐理由：五家跨国药企首次用联邦学习在不交换数据的前提下协作训练共折叠模型，展示了私有数据对提升前沿AI模型价值的可行路径。