模态功能

从 YC W24 看硅谷 AI 创业新趋势：AI Agent、垂直领域、多模态和 AI 安全...

14 项任务测下来，GPT4V、Gemini等多模态大模型竟都没什么视觉感知能力？ 2023-2024年，以 GPT-4V、Gemini、Claude、LLaVA 为代表的多模态大模型（Multimodal LLMs）...

多模态内容生成的机会，为什么属于中国公司？ 2025 年多模态技术快速发展，中国创业团队在内容生成领域正在形成领先优势。与美国在大语言模型领域的领先不同，中国企业在视频生成、3D 创作等多模态细分领域已跻身全球第一梯队...

Twelve Labs: 多模态重塑视频内容检索 Cisco 曾在 2018 年做过测算，全球已经有超过 75% 的数据是视频内容，互联网视频数据流量超过 50%。视频搜索市场存量很大，目前主要被 YouTube、Ti...

Meta新突破！跨模态生成告别噪声：流匹配实现任意模态无缝流转 在人工智能领域，跨模态生成（如文本到图像、图像到文本）一直是技术发展的前沿方向。现有方法如扩散模型（Diffusion Models）和流匹配（Flow...

MetaMorph是多模态大模型（MLLM），通过指令微调（Instruction Tuning）实现视觉理解和生成。它提出了一种名为Visual-Predictive Instruction Tuning（VPiT）的方法...