视频会议摄像机市场：会议摄像终端将成为多模态传感与决策中心
视频会议摄像机作为远程协作的核心硬件设备，通过捕捉高清影像、实现智能追踪与降噪处理，支撑起全球企业、教育、医疗等领域的数字化转型需求。全球化协作与数字化转型双重浪潮下，视频会议已从应急工具蜕变为企业运营与沟通的核心基础设施。
模态
AI自发形成人类级认知！我国科技学家揭示多模态大模型涌现类人物体概念表征
人类能够对自然界中的物体进行概念化，这一认知能力长期以来被视为人类智能的核心。比如，当我们看到“狗”“汽车”或“苹果”时，不仅能识别它们的物理特征（尺寸、颜色、形状等），还能理解其功能、情感价值和文化意义——这种多维度的概念表征构成了人类认知的基石。
AI自发形成人类级认知！自动化所团队揭示多模态大模型涌现类人物体概念表征
人类能够对自然界中的物体进行概念化，这一认知能力长期以来被视为人类智能的核心。当我们看到"狗""汽车"或"苹果"时，不仅能识别它们的物理特征（尺寸、颜色、形状等），还能理解其功能、情感价值和文化意义——这种多维度的概念表征构成了人类认知的基石。随着ChatGP
平安产险阿拉善|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
平安产险赤峰|产险在 ICDAR 2025 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
优酷申请一种虚拟角色交互方法及装置专利，实现超写实虚拟角色沉浸式互动
国家知识产权局信息显示，优酷文化科技（北京）有限公司申请一项名为“一种虚拟角色交互方法及装置”的专利，公开号CN120105009A，申请日期为2025年02月。
EOC-Bench团队：多模态模型能预测第一视角物体吗？
近日，由浙江大学、阿里巴巴达摩院和湖畔实验室联合研究团队发表了一项突破性研究，探讨了多模态大语言模型(MLLMs)在第一人称场景中对物体的认知能力。这篇题为《EOC-Bench: Can MLLMs Identify, Recall, and Forecast
RiOSWorld团队：多模态代理存在哪些安全风险？
随着多模态大语言模型（MLLM）的迅猛发展，它们越来越多地被部署为能够完成复杂计算机任务的自主计算机使用代理。2025年6月，上海人工智能实验室、中国科学技术大学和上海交通大学的研究团队联合发布了一项重要研究成果："RiOSWorld: Benchmarkin
模态 代理 riosworld riosworld团队 2025-06-09 15:33 12
MMR-V团队：如何评估视频多模态推理能力？
北京时间2025年6月4日，来自中国科学院自动化研究所认知与智能决策复杂系统重点实验室和中国科学院大学人工智能学院的朱柯健、金卓然、袁宏邦、李佳淳等研究团队，联合清华大学的涂尚清，在arXiv预印本平台发布了一项名为"MMR-V: What's Left Un
AI具身家庭机器人系统市场规模及发展趋势
AI具身家庭机器人系统具备自主学习和设备协同的特征。AI具身家庭机器人系统通过机器视觉、多模态感知持续学习用户的生活习惯和环境变化，自主构建用户个性化行為模型。在无指令的情况下自发执行任务，并联动其他设备自主响应，带来更自然、无感的居家体验。AI具身家庭机器人
AI群星闪耀2025北京智源大会，畅谈AI征途新目标
6月6日，由智源研究院主办的2025北京智源大会邀请到图灵奖得主、深度学习代表人物Yoshua Bengio，图灵奖得主、强化学习之父Richard S. Sutton，图灵奖得主Joseph Sifakis、姚期智，并邀请到Google、DeepMind、M
中通信息申请用于智慧社区综合治理的管理系统专利，实现了社区监控信息的科学化、精准化治理
国家知识产权局信息显示，中通信息服务有限公司申请一项名为“用于智慧社区综合治理的管理系统”的专利，公开号CN120107048A，申请日期为2025年05月。
张津剑：投资中的频率与频谱
自从那篇著名的论文《Attention is All You Need》问世以来，Transformer 架构不仅首次赋予了机器 Attention、推动了 AI 技术的飞跃，也进一步促进了人类对注意力机制的研究，促使我们以全新的视角重新审视自身对信息的感知与
构建自我进化的知识图谱：AI Agent系统赋能新时代
在数字化浪潮日益澎湃的当下，数据领导人正行走在锐变与革新的钢丝绳上。一方面，科技日新月异，业务与技术的模式远非2024年初可同日而语，从编码、管理到日常操作，变化的步伐不断加快。另一方面，传统遗留系统、碎片化平台与转型团队之间的落差与阻力愈发明显，需要在新旧系
大模型的2025：跃过技术沉淀期
以ChatGPT为代表的语言类大模型重塑内容生成方式时，多模态模型还在等待它的“iPhone时刻”。近日召开的2025智源大会上，智源研究院（以下简称“智源”）正式发布了包括原生多模态世界模型Emu3等“悟界”大模型系列，Emu3实现了文本、图像、视频的任何组
多模态大模型行业近期交流（附大模型概念股）
当前常见场景分双模态(如语音加文字、语音加情感、无声音视频配手语等和三模态。在技术结构上，多态和单模态从训练和推理两角度有本质区别。训练角度，单模态如语音识别基于强化学习无标注可行，但多模态涉及两个及以上模态时绕不过数据标注，成本和周期会长一些，且要解决向量统
聚焦多模态：ChatGPT时刻未到，2025大模型“变慢”了吗
以ChatGPT为代表的语言类大模型重塑内容生成方式时，多模态模型还在等待它的“iPhone时刻”。近日召开的2025智源大会上，智源研究院（以下简称“智源”）正式发布了包括原生多模态世界模型Emu3等“悟界”大模型系列，Emu3实现了文本、图像、视频的任何组
生数科技CEO骆怡航：从模型到生产，多模态AI如何推动视频创作更高效
2025年6月6日-7日，第7届北京智源大会将以线上+线下联动的形式召开，6日下午推出“大模型产业CEO”主题论坛，邀请业内知名专家学者、大模型领域领军企业CEO。
南京大学团队：如何增强多模态动作理解？
近日，由南京大学杜一鹏、范铁函、南柯盼，字节跳动南柯盼、谢瑞、周鹏昊、杨震恒，以及南开大学的李翔共同完成的研究"MotionSight: 提升多模态大语言模型中的细粒度动作理解"成为了计算机视觉领域的一大亮点。这项研究虽然还在预印本阶段，但已经在arXiv上公
模态 南京大学 数据集 摄像机 motionsight 2025-06-07 21:40 11
中国电信申请基于文本结构化和多模态融合的对话倾向识别方法及系统专利，提高对话倾向识别的准确性和可靠性
国家知识产权局信息显示，中国电信股份有限公司申请一项名为“基于文本结构化和多模态融合的对话倾向识别方法及系统”的专利，公开号CN120104795A，申请日期为2025年02月。