新闻中心 
-
09-29终于拿到内测！豆包-PixelDance真是字节视频生成大杀器「火山爆发，震撼天地。」这八个字会在你的头脑中触发怎样的影像？是否与下面的视频类似？提示词：火山喷发，升起巨大蘑菇云，岩浆顺着山体往下流，镜头拉近，岩浆正在火山...
-
08-22支持1024帧、准确率近100％，英伟达「LongVILA」开始发力长视频现在，长上下文视觉语言模型（VLM）有了新的全栈解决方案——LongVILA，它集系统、模型训练与数据集开发于一体。现阶段，将模型的多模态理解与长上下文能力相结...
-
08-11混合专家更有主见了，能感知多模态分情况行事，Meta提出模态感知型专家混合混合专家，也得术业有专攻。对于目前的混合模态基础模型，常用的架构设计是融合特定模态的编码器或解码器，但这种方法存在局限：无法整合不同模态的信息，也难以输出包含多...
-
08-08ACM MM2025 | 网易伏羲多模态研究再获国际认可，推动特定领域跨模态理解新突破1.第32届ACM国际多媒体学术会议（ACMInternationalConferenceonMultimedia，简称ACMMM）公布论文接收结果，网易伏羲最...
-
07-28万亿token！史上最大多模态数据集诞生开源多模态大模型或将开始腾飞。值此Llama3.1占领各大头条之际，又突然冒出了另一个也非常重要的发布——一个规模空前的开源多模态数据集。对大模型来说，数据集的...
-
07-24清华领衔发布多模态评估MultiTrust：GPT-4可信度有几何？AIxiv专栏是本站发布学术、技术内容的栏目。过去数年，本站AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传...
