研究是设计一个能失败的实验,不是想一个聪明点子
我以前一直觉得”做研究”是个挺玄的事:你得有灵感,得有品位,得在某天洗澡的时候突然冒出一个别人没想到的想法。后来在工程里摸爬几年,慢慢意识到大部分研究并不长这样。它更像一台机器,你按一个流程一圈一圈地转,转得快、转得...
标签索引 / 第 2 页
多模态
这个标签下有 190 篇文章。按时间回看相关判断与实践记录。
标签精选
相关内容
DeepSeek新版本前瞻：原生支持MCP与多模态输入，工具调用能力大幅升级
据技术社区Linux.do的最新讨论，DeepSeek正在测试或即将发布代号为V4.1的新版本，主要技术亮点包括原生支持MCP（模型上下文协议）、输入侧的多模态支持以及工具调用能力的显著提升。原生MCP支持意味着模型能更无缝地连接外部数据源...
DeepSeek 多模态能力获实测好评：识图速度快且准，灰度测试已开启
DeepSeek 正在逐步向部分用户开放其多模态识图功能。据科技社区反馈，获得灰度测试资格的用户对该功能评价极高，称其识别速度极快且准确率高，能够覆盖常见的图片类型。这标志着 DeepSeek 在巩固文本生成优势的同时，正迅速补齐视觉交互短...
谷歌 Gemini API 迎来重大更新：文件搜索支持多模态 RAG 与精准引用
谷歌宣布大幅扩展 Gemini API 的文件搜索工具，引入了多模态支持、自定义元数据和页面级引用三大核心功能。开发者现在可以利用 Gemini 嵌入模型，构建能够同时理解和检索文本与图像的 RAG 系统，从而赋予 AI 智能体更强的上下文...
全链路AI实战指南：从Agent搭建到多模态变现的硬核资源整理
近日，一份详尽的AI实战课程资源在技术社区引发关注，涵盖了从AI底层认知到商业变现的完整技术栈。该资源系统性地讲解了如何利用Coze搭建智能体（Agent）、构建知识库与工作流，并深度整合了Kimi、NotebookLM、Google Dr...
DeepSeek多模态大动作：论文揭秘“视觉思维链”后火速撤回，模拟人类“边指边想”
DeepSeek多模态领域再有新突破。近日，DeepSeek研究员陈小康意外泄露了一篇名为《Thinking with Visual Primitives》的新论文，随后火速删除推文及GitHub代码库。该论文探讨了超越传统语言思维链的视觉...
DeepSeek 多模态新进展：识图功能开启灰度测试，API 开放引期待
据科技社区反馈，国内热门 AI 模型 DeepSeek 正在向部分用户灰度推送“识图”功能，这标志着该纯文本大模型正式向多模态领域扩张。此前 DeepSeek 凭借卓越的推理与编程能力引发全球关注，此次若补齐视觉交互短板，将直接对标 GPT...
AI日记复现挑战：利用图像锚点打破语音交互的启动门槛
近日，一则关于复现前端AI交互应用的讨论在技术社区引发关注。挑战目标是一款集成了粒子特效与语音对话的日记产品，其核心创新在于利用“图像”作为记录锚点。用户只需上传照片，AI即可基于此展开语音追问并生成日记，有效解决了“凭空记录”的心理阻力。...
开源项目Fashion-AI：打造全自动电商生图流水线，以图搜图并复刻爆款风格
本项目“Fashion-AI”是一套面向跨境电商的全自动 AI 生图流水线，旨在解决传统商品拍摄成本高、周期长的痛点。其核心工作流包含三个关键步骤：首先，通过混合检索技术（结合 Dense 向量、TF-IDF 关键词匹配及销量过滤）在历史数...
AI基准测试罗生门：DeepSeek幻觉严重遭验证，小米Grok等高分被疑刷榜
近日，Artificial Analysis (AA) 的多模态科学幻觉基准测试引发社区热议。DeepSeek在该项测试中得分极低，而小米Mimo、Grok、Qwen及GLM等模型得分异常高涨，引发关于“刷分”和基准公正性的质疑。尽管高分模...