宾州大学团队：AI如何生成学术图表说明？
这项由宾夕法尼亚州立大学和Adobe Research联合完成的研究发表于2025年6月，论文编号为arXiv:2506.06561v1。想要深入了解这项研究的读者可以通过GitHub链接https://github.com/Crowd-AI-Lab/lamp
模态
百度：推出首个多模态高度融合数字人
百度在“AI Day”开放日上宣布推出业界首个双数字人互动直播间，同时也是业内首个多模态高度融合数字人。据介绍，该技术基于文心大模型4.5T升级，实现了语言、声音、形象的协调一致。
CVPR2025多模态大一统：斯坦福x复旦提出符号主义建模生成式任务
共同第一作者包括：陈家棋，斯坦福大学访问学者，复旦大学硕士，研究方向为 LLM Agent和大一统模型；朱小烨，华南理工大学本科，研究方向为 LLM Agent、LLM 和强化学习；王越，康奈尔大学本科，研究方向为 LLM Agent、多模态语言模型。指导老师
Neuron | 多模态分析揭示驱动灵长类前额叶皮层神经元电生理成熟的基因
背外侧前额叶皮质（dlPFC）是灵长类动物高度分化的大脑皮层区域，是高级脑功能所必需的，包括工作记忆、计划和决策等执行功能。这些功能在许多脑部疾病中受到严重损害，包括自闭症谱系障碍（ASD）、精神分裂症、强迫症和神经退行性疾病。我们对PFC发育的大部分认知都源
平安产险在ICDAR2025国际多模态理解竞赛中夺冠
近日，在国际文档分析与识别会议（ICDAR）举办的世界顶级赛事中，平安产险（参赛团队名称PA-VCG）在“多模态文档推理理解”这一高复杂度任务中，凭借领先的大模型技术体系与卓越的多模态理解能力，从全球众多顶尖科研机构与知名科技企业中脱颖而出，强势夺冠，连续4年
火山引擎发布豆包大模型1.6，全模态模型矩阵助力企业智能化升级
今天，在FORCE原动力大会上，火山引擎正式发布豆包大模型1.6、豆包·视频生成模型 Seedance 1.0 pro、豆包·语音播客模型，豆包·实时语音模型在火山引擎全量上线，豆包大模型家族已成为拥有全模态、全尺寸、高性价比的领先模型。截至2025年5月底，
智能体 | 蚁鉴智能体如何成为数字世界的“鉴真师”
目前，电信网络诈骗、金融诈骗手段层出不穷。我们也经常在网上看到此类新闻——一位客户声称自己被“AI换脸”技术诈骗，对方利用伪造的视频通话骗走了大额资金。调查发现，诈骗者通过生成了一段与客户本人几乎一致的动态视频，连眨眼频率和微表情都毫无破绽。而这类深度伪造攻击
揭秘千卡 GPU 集群如何高效训练多模态大模型：vivo AI 团队实战经验分享｜AICon
多模态大模型在智能客服、自动驾驶、AIGC 等领域的应用需求不断增长，但其训练工程面临计算、存储、数据处理、分布式通信等多重挑战。特别是在千卡级 GPU 训练集群上，如何优化数据加载、提升训练稳定性、突破计算与存储瓶颈，成为 AI Infra 需要重点攻克的难
豆包大模型1.6正式发布，更强模型、更高性价比
今天，在 FORCE 原动力大会上，火山引擎正式发布豆包大模型1.6、豆包·视频生成模型 Seedance 1.0 pro、豆包·语音播客模型，豆包·实时语音模型在火山引擎全量上线，豆包大模型家族已成为拥有全模态、全尺寸、高性价比的领先模型。截至2025年5月
OpenAI发布“史上最强”模型o3-pro：重新定义人工智能能力边界
人工智能研究机构OpenAI正式发布其最新一代大型语言模型o3-pro，宣称其为“迄今为止最强大的AI系统”，在推理、多模态处理、自主任务执行等核心领域实现突破性跨越。这一发布被业界视为AI技术发展的里程碑，可能重塑从科研到日常生活的广泛应用场景。
人工智能能自发形成人类级认知？中国团队最新研究首次证实
人工智能（AI）能否像人类一样认知和理解事物？中国科学家团队结合行为实验与神经影像分析首次证实，基于人工智能技术的多模态大语言模型能够自发形成与人类高度相似的物体概念表征系统，即人工智能可自发形成人类级认知。
豆包大模型1.6发布！更强模型、更高性价比
今天，在 FORCE 原动力大会上，火山引擎正式发布豆包大模型1.6、豆包·视频生成模型 Seedance 1.0 pro、豆包·语音播客模型，豆包·实时语音模型在火山引擎全量上线，豆包大模型家族已成为拥有全模态、全尺寸、高性价比的领先模型。截至2025年5月
生成式人工智能（大模型）服务上线备案常见问题解答
最近收到部分小伙伴反馈，在信息爆炸的时代，长篇大论没有耐心看完，想要直接一点的攻略信息。针对大家的问题直接给大家整理了一份简洁问答式的攻略，纯干货，建议收藏!
豆包大模型1.6发布，AI云原生全栈服务升级
今天，在 FORCE 原动力大会上，火山引擎正式发布豆包大模型1.6、豆包·视频生成模型 Seedance 1.0 pro、豆包·语音播客模型，豆包·实时语音模型在火山引擎全量上线，豆包大模型家族已成为拥有全模态、全尺寸、高性价比的领先模型。截至2025年5月
让多模态大模型拥有推理能力而不用重新训练视觉模块
最近，由南方科技大学、香港科技大学、华为诺亚方舟实验室和华为云的研究团队发布了一项重要研究，题为《感知解耦：通过奖励优化图像描述实现可扩展多模态推理》。论文于2025年6月5日发表在arXiv预印本平台上，论文链接为https://github.com/gyh
字节跳动发布新一代AI大模型 降价逾六成
6月11日，TikTok母公司字节跳动旗下云服务平台火山引擎举办火山引擎FORCE原动力大会，公司总裁谭待正式发布豆包大模型1.6，并宣布将采用统一定价模式。价格方面，豆包大模型再次降低，最低为2.6元/百万tokens，相较于豆包大模型1.5与DeepSee
字节AI杀疯了！火山引擎大招连发，豆包1.6支持多模态思考能力，综合成本降低63%
6 月 11 日，字节跳动旗下火山引擎举办 Force 原动力大会，发布豆包大模型 1.6、视频生成模型 Seedance 1.0 pro 等新模型，并升级了 Agent 开发平台等 AI 云原生服务。
科学家构建医疗视觉大模型，实现多模态理解与生成任务最优结果
首先，多模态医疗训练语料缺乏类似通用领域的高质量和大规模数据，难以保证理解与生成数据的完备性。以 DeepSeek 的统一模型 Janus 为例，其训练需要海量数据支持，而医疗数据的稀缺性成为主要制约因素。
南京深度智控申请基于人工智能的多模态数据分析图表生成方法专利，确保高优先级的分析图表优先生成
国家知识产权局信息显示，南京深度智控科技有限公司申请一项名为“基于人工智能的多模态数据分析图表生成方法”的专利，公开号CN120125707A，申请日期为2025年05月。
“AI务实派”百度：不重炫技，重交付
在当下，“AI取代不了人，但不用AI的人将被会用AI的人取代”一语风行。但就提高大众AI素养问题看，与其奚落不会用好AI的人，不如让AI变得更好用。