近日，一项名为KGMEL的创新性研究提出了一种突破性的多模态实体链接方法，通过三阶段处理流程整合文本、图像及知识图谱三元组数据，显著提升了实体识别的准确率。该技术通过第一阶段的多模态特征提取、第二阶段的跨...

Cohere公司最新推出的Embed 4多模态嵌入模型，代表了企业级AI搜索与检索技术的重大突破。该模型具备三大核心优势：首先，在100多种语言中实现了领先的多模态与多语言处理能力，大幅提升跨语言业务场景的适用性；其次...

Physical Intelligence团队近期对其研发的家用清洁机器人Pi-0.5进行了测试，结果显示该机器人在全新的、未见过的环境中表现卓越。这一成果得益于团队采用的视觉语言模型（VLM）训练与动作标记化（action tokenizatio...

大型语言模型(LLM)在训练、评估或实施阶段常因被忽视的问题而表现不佳。图灵公司推出的5分钟快速评估工具，可帮助企业精准定位所处发展阶段，并明确后续优先事项。该工具提供三大核心价值：快速诊断组织的AI准备成熟...

开发者Adi和Arnav在尝试让大语言模型（LLM）处理研究论文和说明书中的问题时，发现现有RAG（检索增强生成）系统无法有效解析PDF中的图像和图表内容，甚至GPT-4o和O3模型也表现不佳。为此，他们开发了开源项目Morphik...

近日，科技社区热议的π0.5（Pi-0.5）模型在开放世界泛化能力上取得重要进展。该视觉语言模型（VLA）通过创新架构设计，在未见过的新场景中展现出超越同类模型的零样本学习能力。技术博客透露，其核心突破在于动态多...

Hugging Face Hub最新推出的MAGI 1模型标志着自回归视频生成技术的重要突破。该模型能够生成具有长期一致性的长视频内容，其性能与Wan视频生成模型相当，虽略逊于某些闭源商业模型，但作为开源解决方案展现出显著竞...

DeepMind近日发布了其几何模型AlphaGeometry的重大升级版本AlphaGeometry 2，该模型在解决几何问题上的正确率从先前方法的54%大幅提升至84%。这一突破性进展主要得益于Gemini语言模型的整合以及更高效的搜索算法。Al...