AI数字人直播系统打造个性化直播体验
随着互联网技术的持续发展，直播行业正经历着现代的变革。数字人直播系统作为一种新兴技术应用，正在重新定义观众的互动体验。这种系统通过智能算法和数据分析，能够为每位观众提供独特的个性化服务，让直播不再是一对多的单向传播，而是演变为高度定制化的互动体验。
模态
AI初创公司「灵感时刻」获Pre-A、Pre-A+轮融资，投后估值超1亿美元
投资界（ID：pedaily2012）8月5日消息，近日，据雷峰网报道，「灵感时刻」宣布已在1个月内连续完成Pre-A及Pre-A+轮融资，分别由红杉中国和高瓴创投（GL Ventures）领投，硅谷基金EnvisionX和Palm Drive跟投，投后估值超
中数活文申请文件多模态协作系统等相关专利，提高文件多模态协作及审阅的效率
国家知识产权局信息显示，中数活文（苏州）科技有限公司申请一项名为“文件多模态协作系统、方法、电子设备及存储介质”的专利，公开号CN120407824A，申请日期为2025年04月。
马上消金：联合多方构建反黑灰产生态
2024年11月,马上消费金融(研究院)和西南政法大学联合发布的《中国金融黑灰产治理研究报告》(简称《报告》)指出,金融黑灰产表现形式多元复杂,发展态势连点成面,借助互联网平台肆意扩张,已经演变成为了一个有组织、有计划、有技术、有勾连的行为。
AI陪伴机器人：情感订阅制下的孤独经济新宠？
在科幻电影《Her》中，一名离婚男子与智能体谈恋爱的故事设定在了2025年，而如今，与AI“谈恋爱”或寻求其陪伴已不再遥不可及。随着技术的发展，各式各样的AI陪伴机器人正逐步融入人们的日常生活，成为新的情感寄托。
大模型不再只是“比参数”，而是深入到各种具体场景
首先是大模型本身的能力跃迁。阶跃星辰发布的新一代基础模型 Step 3，采用3210亿参数的MoE架构，激活参数38亿，是其首个全尺寸原生多模态推理模型。它能同时理解文本、图片和数学符号，并在国产芯片上实现推理解码效率的跨代提升，意味着“更聪明但更省算力”的模
西湖大学团队彻底改变多模态AI的″记忆负担″
在我们的日常生活中，智能手机能够识别照片中的人脸，语音助手能够理解我们说的话，而最新的AI助手甚至能同时处理文字、图片和视频。这些神奇的功能背后，都有一个共同的秘密武器——多模态大语言模型（MLLM）。然而，这些AI系统有一个致命弱点：它们的"记忆"实在太有限
西湖大学团队彻底改变多模态AI的“记忆负担”
在我们的日常生活中，智能手机能够识别照片中的人脸，语音助手能够理解我们说的话，而最新的AI助手甚至能同时处理文字、图片和视频。这些神奇的功能背后，都有一个共同的秘密武器——多模态大语言模型（MLLM）。然而，这些AI系统有一个致命弱点：它们的"记忆"实在太有限
阿里Qwen团队：AI助手实现看听说与实时思考
这项由阿里巴巴Qwen团队开发的突破性研究发表于2025年3月27日，名为《Qwen2.5-Omni Technical Report》。有兴趣深入了解的读者可以通过arXiv:2503.20215v1访问完整论文，或者在Hugging Face、ModelS
复旦大学：全球首个多模态奖励模型问世
这项由复旦大学王艺斌、张宇航等研究团队与上海人工智能实验室合作完成的突破性研究发表于2025年3月，论文题为《Unified Reward Model for Multimodal Understanding and Generation》。有兴趣深入了解的读
模型 模态 复旦大学 数据集 unifiedreward 2025-08-04 22:04 3
微软：Phi-4-Mini小模型实现大模型性能
这项由微软研究团队开发的最新人工智能模型研究发表于2025年3月，论文详细介绍了Phi-4-Mini和Phi-4-Multimodal两个模型的技术细节和性能表现。有兴趣深入了解的读者可以通过arXiv:2503.01743v2访问完整论文。
中投国信申请基于多模态数据融合的商贸流通供应链优化方法专利，有效打破传统供应链中的信息孤岛的问题
国家知识产权局信息显示，中投国信（北京）科技发展有限公司申请一项名为“一种基于多模态数据融合的商贸流通供应链优化方法”的专利，公开号CN120218364A，申请日期为2025年05月。
左蓝微申请一种声表面波器件结构及装置专利，能够起到抑制横向模态的效果
国家知识产权局信息显示，左蓝微（江苏）电子技术有限公司申请一项名为“一种声表面波器件结构及装置”的专利，公开号CN120223017A，申请日期为2025年03月。
驯服大模型幻觉！用7B小模型+RAG，提升用户满意度
抖音作为日活数亿的平台来讲，要想满足用户体验可想而知具有多么大的挑战。在7月25-26日深圳举办的DA数智技术大会上，我们邀请了字节跳动算法专家蔡聪怀老师，他从事AI算法多年，在内容理解、体验智能化等业务场景有丰富的落地经验。届时他将分享大模型助力抖音用户体验
首个面向科学任务、真实交互、自动评估的多模态智能体评测环境，
第一作者孙秋实是香港大学计算与数据科学学院博士生，硕士毕业于新加坡国立大学数据科学系。主要研究方向为 Computer-using agents 和 Code intelligence，在 NLP 和 ML 顶会 ACL，EMNLP，ICLR，COLM 等发表
连续4年荣获AI领域国际顶尖赛事冠军 平安产险斩获ICDAR2025多模态理解竞赛冠军
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
模态 平安 产险 产险斩获 斩获icdar2025 2025-06-28 00:59 11
周末愉快，AI跟踪研报
2025 年 6 月 11 日至 12 日，火山引擎春季 FORCE 原动力大会在北京召开。此次大会隆重推出豆包大模型 1.6 和视频生成模型 Seedance 1.0 Pro，同时对 Agent 开发平台等 AI 云原生能力进行了升级。
OpenAI员工抢先体验GPT-5，7月上线或支持多模态输入
OpenAI员工爆料称已抢先体验GPT-5，该模型预计将于7月上线。此前，OpenAI首席执行官SamAltman曾在播客中透露，GPT-5可能会在今年夏天发布，并且会迈向完全多模态。GPT-5预计将支持语音、图像、代码和视频等多种输入方式，这将是其与前代产品
三人行：构建统一多模态数据处理平台
三人行回复：投资者您好，算力（ComputingPower）是指计算能力，即设备或系统处理数据和执行计算任务的能力。人工智能领域是算力当前常见的应用场景之一。三人行公司是专业从事整合营销服务的综合型广告传媒企业，公司主要向客户提供数字营销服务、场景活动服务和校
深圳锐取：AI 如何利用多模态数据要素增强录播内容的互动性？
在数字化内容传播领域，录播不再局限于单向信息传递，AI 借助多模态数据要素，为录播内容注入互动活力。多模态数据涵盖视频、音频、文本等多种信息形态，AI 对其深度分析与整合，让录播从 “观看式” 转变为 “参与式”。