搜索“多模态”

点配置和模型。如果进程在清理完成之前停止，请通过 SageMaker AI 控制台或 API 删除资源。正在运行的 GPU 端点会继续产生费用。 通过部署文本转语音模型，您使用 SageMaker AI 上的 AWS vLLM-Omni DLC 在模型仍在生成音频时流式传输音频。此示例展示了专用 AWS DLC 如何支持执行和流式传输模式不同于通用文本生成的多模态模型。结合之前的 vLLM 语音转文本示例，这些示例展示了互补的路径：将麦克风音频流式传输到转录中，然后将应用程序的文本响应以语音形式流式返回。第 2 部分将展示如何将同一 DLC 系列用于图像和视频生成。 试用代码示例，然后浏览 vLLM-Omni DLC 文档和 SageMaker AI 双向流式传输开发人员指南，以将该模式应用于其他受支持的多模态模型。 作者感谢 Zhuofu Bai、Ayush Sharma、Christian Kamwangala 和 Jon Chua 对解决方案和发布流程的贡献。 Yadan 是 AWS 深度学习容器团队的软件开发工程师。她构建的容器为 Amazon SageMaker AI、Ama

匹配字段正文

准确率超87%，有效提高基层人工巡检质量和效率。 专用模型方面，传播大模型3.0打造“新闻速写+深度写作”双模式引擎，实现图文一体化、规模化、高品质生产，服务全国5万余家媒体、高校及企业，内容创作效率平均提升50%以上，审核效率提升100%。文澜·出版一本通2.0深度适配编审规范、内容生产流程与行业知识体系，全链路耦合出版核心环节，已落地5个编校类场景、6个多模态应用场景，部署21个专用智能体。文盾大模型2.0是文旅部首批文化市场综合执法大模型全国试点，是全国首个完成中央网信办备案的行政执法类大模型。 本次发布高质量数据集4个，其中基地数据集2个、专用数据集2个。 基地推出古建筑基因数据集，汇聚全国4万余处古建筑数据，涵盖整体形制、空间结构、布局规制及微观结构数据，收录门窗、木雕、雕花等特色构件超40万个，可广泛用于影视美术置景、游戏场景搭建、文物展陈设计、文创IP转化等场景。公共文化空间数据集覆盖全国22个省份博物馆、纪念馆、文化馆等百余处公共文化空间，构建多模态训练语料，可赋能智能导览、展陈设计等公共文化服务升级。 在专用数据集领域，文旅和视听高质量数据集汇聚百万小时媒资、诗画浙江

匹配字段正文

码打交道的本科生来说，这是一次实打实的转身。 智慧安防技术赛道的难度还体现在评分表上。比赛评分中硬件安装仅占15%，软件配置、运行维护和优化调试占85%。这就要求选手既懂传统硬件安装、布线、配置等知识，又掌握计算机视觉、大小模型协同等人工智能领域的知识，并能结合工程标准完成设计、部署、调试与运维。智慧安防技术赛道不仅对参赛选手在综合型、技能型知识掌握方面提出了极高要求，也对相关领域的人才培养提出了更高标准。 “交大计算机学院坚持立足人工智能、网络空间安全等优势学科方向，面向智慧安防领域持续推进人才培养工作。”李金泽同学所在学院的党委副书记李智介绍到，学院围绕视频智能解析、异常行为识别、多模态内容鉴别、物联网终端安全等关键方向，持续深耕科研攻关与教学建设，着力锻造像李金泽这样的复合型科技人才，希望能为新时代城市安全治理输送更多技术过硬、责任明晰、恪守底线的“大国工匠”后备力量。 在李金泽看来，这项技能的价值也远不止于一块奖牌：“这方面的需求其实一直都在，但现在和人工智能、视频算法结合起来，甚至以后还会引入多模态大模型，这些就是新的发展方向了。所以在我看来，这个职业的未来前景是非常好的。”

匹配字段正文

，推动产出更多标志性原创成果。聚焦重要战略领域和产业链供应链薄弱环节，采取超常规措施，全链条推动重点领域关键核心技术攻关取得决定性突破。 线上串联畅通，聚焦要素协同，建立健全与智能经济适配的要素体系。统筹推进算力设施建设、模型算法发展和高质量数据资源供给。加快国家枢纽算力设施集群建设，支持有条件地区根据低时延场景需求适度发展算力，加强高性能高质量智算资源供给。强化“模芯数云用”协同创新，鼓励多模态、智能体、具身智能、群体智能等技术创新，推动通用大模型和行业专用模型同步发展。构建国家数据资源体系，推动企业数据、行业数据开发开放，加快建设人工智能语料库，面向能源、交通、制造等领域建设高质量数据集。 面上落地应用，聚焦泛在场景，深化超大规模市场优势推进场景赋能。围绕科学技术、产业发展、消费提质、民生福祉、治理能力、全球合作等领域，深化拓展“人工智能+”行动。建设国家人工智能应用中试基地，推进工业全要素智能化发展，加快农业数智化转型升级，创新服务业发展新模式，促进数字经济和实体经济深度融合。充分发挥数智技术和数据要素对丰富人民生活、改善民生福祉的作用，拓展教育、医疗、养老、文旅等领域融合应用。

匹配字段正文

重要战略领域和产业链供应链薄弱环节，采取超常规措施，全链条推动重点领域关键核心技术攻关取得决定性突破。 线上串联畅通，聚焦要素协同，建立健全与智能经济适配的要素体系。统筹推进算力设施建设、模型算法发展和高质量数据资源供给。加快国家枢纽算力设施集群建设，支持有条件地区根据低时延场景需求适度发展算力，加强高性能高质量智算资源供给。强化“模芯数云用”协同创新，鼓励多模态、智能体、具身智能、群体智能等技术创新，推动通用大模型和行业专用模型同步发展。构建国家数据资源体系，推动企业数据、行业数据开发开放，加快建设人工智能语料库，面向能源、交通、制造等领域建设高质量数据集。 面上落地应用，聚焦泛在场景，深化超大规模市场优势推进场景赋能。围绕科学技术、产业发展、消费提质、民生福祉、治理能力、全球合作等领域，深化拓展“人工智能+”行动。建设国家人工智能应用中试基地，推进工业全要素智能化发展，加快农业数智化转型升级，创新服务业发展新模式，促进数字经济和实体经济深度融合。充分发挥数智技术和数据要素对丰富人民生活、改善民生福祉的作用，拓展教育、医疗、养老、文旅等领域融合应用。 智能经济何以塑造中国发展新优势

匹配字段正文

analysis results are already cached 3. Invoke the appropriate tools 4. Synthesize results into a clear answer with timestamps """ 生产环境系统提示约有 250 行源代码。以下简化示例说明了三项具有代表性的策略（缓存复用、服务回退和多模态编排），而非逐字复现该提示： --- Cache management (excerpt) --- CACHE GUIDANCE = """ Before invoking any analysis tool, check the cache: - Call get cached result(video id, analysis type) first - If cached results exist and are dict: """Search for a specific person in video footage. Use this tool when the user provides a reference

匹配字段正文

和文字；但遇到复杂的人手动作、连续操作步骤，或者需要很精细的阴影、反光效果时，效果还不够稳定。 在 Layer 模型中，分层不存在唯一答案。有人只需要背景、主体、文字三层，也有人希望将每段文字和每个图标分别拆开。大量叠加光效、特殊透明材质和复杂遮挡，也可能出现边缘残留或图层缺失。 下一步，我们将继续提升文字与复杂布局稳定性，扩展图层语义和可控分层能力，优化透明效果、遮挡补全和推理效率，并将模型接入更多设计、办公与应用生成场景。 我们关注的不只是模型还能生成什么，而是生成结果能否真正进入下一步：继续改、继续用、继续交付。 04 即刻体验 在线体验 🤗 Hugging Face 如果你正在制作 UI、信息图、海报、演示文稿或设计资产，或者手里已经有一张希望继续修改的设计图，欢迎体验 Ming-Image-0.1-Design 系列。 也欢迎把真实项目里最难生成、最难修改或最难分层的案例留给我们。 让 AI 不只生成一张图，也能理解设计，并把设计继续交付下去。模型发布多模态上一篇Ling-3.1-flash：面向真实世界任务的模型升级下一篇提升大模型智效比，从缩短一次数据验证的等待开始$/$

匹配字段正文

wesan Pal 就技能评估进行的早期讨论，感谢 Ben Coombs 的产品指导，也感谢所有其他帮助促成这项工作的人。 关于作者 Sangmin Woo Sangmin 是 AWS AI Labs 的应用科学家，他在那里开展研究并开发面向智能体 AI 的机器学习解决方案，重点关注评估框架以及提升智能体的行为与性能。他的研究兴趣包括智能体 AI、生成模型和多模态 AI。工作之余，他喜欢旅行和探索新地方。 Bharathi Srinivasan Bharathi 是 AWS 的生成式 AI 数据科学家。她热衷于负责任 AI，以提高 AI 智能体在真实场景中的可靠性。Bharathi 指导内部团队和 AWS 客户走上负责任 AI 之旅。 Shruthi Rajoli Shruthi 是 AWS 的解决方案架构师，常驻伊利诺伊州芝加哥。她与美国东部地区的初创公司合作，帮助早期和成长期公司设计并构建可扩展的 AWS 云架构，重点关注生成式 AI、智能体 AI 工作流、数据和迁移工作负载。工作之余，她喜欢散步、瑜伽，以及探索新的美食和咖啡店。 Visakh Madathil Visakh 是

匹配字段正文

时以机器人为先，这些工厂对他们来说更有效。那么这需要的就是建一个机器人工厂。就美国而言，就像你必须在美国建一个能非常高效地制造机器人的机器人工厂，然后转型它，或者建一个新的、由上述机器人建造的工厂。而我认为美国的再工业化，我认为有很多原因导致它没有发生。我认为在中国可能更有可能，但我也只是没有被AI在视觉和动作模型上的结果说服，认为它们进展得足够快。我想我和多模态领域的人讨论过，他们把这些技术描述为比文本语言模型要原始得多、发展得少得多，并且需要更多根本性的创新，而像代码加RL这样的东西是非常自然的匹配，爬山是非常可预测的。所以—— 00:20:35 JS Denain：所以，看起来有两件事。一是机器人能力的趋势不像你预期LLM那样快，二是即使机器人能力很强，建工厂也需要时间。我想我对第二点有点怀疑。我只是觉得，如果机器人能力足够，这个市场的总可寻址市场是巨大的。而且如果你看美国的数据中心，建设速度极快。如果你有机器人真的能替代蓝领人类工人，我觉得财务激励会非常大。我认为美国在某些情况下没有大规模建设，很大程度上只是需求问题。我认为电力就是这种情况。所以我认为在那种情况下，我只是觉得，

匹配字段正文

型，把所有这些东西都包含进去，还是把它们拆分开来，进一步拆分？我想，一种说法是，OpenAI 当时正朝着全能模型的方向发展，对吧？4o 就是其中之一。然后有一小段时间，总是有，比如，有一条主分支——这是聊天调优模型，这是编码调优模型。 Diogo Almeida [01:50:35]：那些是完全不同的东西。那些是极其不同的概念。我会，比如，稍微拆解一下。所以多模态有点不同 Diogo Almeida [01:50:44]：因为有时候其他模态有帮助，有时候它们有害。 Swyx [01:50:47]：是的。 Diogo Almeida [01:50:48]：比如，人们在移动。他们似乎正在远离语音，语音不同于音频，因为它似乎不能很好地泛化到其他东西上。 Diogo Almeida [01:50:57]：这个问题可能会被解决。我是这一切的粉丝，但这些是，比如，经验性的、真实的问题。比如，缩放定律并不是说只要往里砸钱它就会变好。缩放定律实际关心的是：一个东西到底有多好？比如，存在一些情况，无论你怎么扩展规模，它可能都不够好。所以，Y——比如，据我理解，计算机使用目前还没有被解决。比如，我希望我们

匹配字段正文

工业智能体的业务落地上。”平台把原本漫长的备案长跑，变成了标准化、可预期的短跑，让企业能以更低的门槛，将精力集中在解决制造业的真实痛点上。 标识验证堵住传播链路中的漏洞 在AIGC治理链条中，标识管理是基础的同时也是容易被忽视的一环。平台AIGC标识验证模块严格依据《人工智能生成合成内容标识办法》及GB45438—2025相关标准，对文本、图像、音频、视频等多模态内容开展显式、隐式两类标识合规核查。 MiniMax(稀宇科技)执行总编辑周晓榕说：“规范出具的标识检测材料，可以成为有价值的技术凭证。它能够把各方对标识要求的理解落实到同一份可核验的结果上，减少仅凭口头说明进行确认的情况。对稀宇科技而言，这与我们已经开展的跨平台测试和标识互认验证具有直接衔接价值。” AIGC内容检测让深度伪造无所遁形 平台AIGC内容检测模块严格遵循《互联网信息服务深度合成管理规定》要求，融合多类算法模型，实现对文本、语音、图像、视频等多模态AI生成合成内容的检测。 功能背后，周晓榕提出了来自业务一线的评价口径：“我们会重点看两类问题：一类是漏检，也就是应识别的生成合成内容没有被发现；另一类是误报，也就是非

匹配字段正文

实践的未来：让教师能够用生成式 UI 创建学习互动内容 2026年9月17日 我们探索如何借助生成式 UI 与学习设计护栏，让教师能够为每个主题和每位学生生成有引导的互动式模拟。 数字教育工具已经改变了世界各地学生获取信息的方式，从在线教科书到视频库皆是如此。然而，尽管技术在进步、可及性在提升，数字学习往往仍让人感觉是一种被动的体验。互动式、引人投入的多模态练习形式能够鼓励学生独立思考并探索解题路径，对学习具有巨大潜力，但目前仍基本难以普及。这类内容制作成本高昂、数量有限，而且往往需要教师付出更多精力。我们想看看 AI 能否帮助弥合这一差距。 今天，我们分享最新研究，它正在拓展互动学习的前沿。我们的新研究实验让教育工作者能够创建自定义、互动且有引导的教育模拟。这些学习互动内容针对教师的教学目标和课程量身定制，并动态生成，依托我们对生成式用户界面（GenUI）的一种新颖应用，并针对学习场景进行了优化。 在收到来自可信测试者群体的教师初步积极反馈后，我们还发布了一个示例库，包含 30 多个面向 STEM 学科（包括物理、化学、生物和数学）的英文学习互动内容，重点面向初中和高中。这些内容全部

匹配字段正文

缘（affordance）理论作为主线，依次谈到吉布森直接知觉理论和生态光学的理论根基，以及计算机视觉和机器人学领域如何在使用动缘概念时发生了偏移，导致了目前具身智能发展的现状与困境。这次讲座适合对认知科学、生态心理学、机器人学、具身智能和大模型落地应用感兴趣的听众。 讲座大纲 0.具身智能时代的新图景 从自然环境到元宇宙，虚拟增强现实、虚拟化身、脑机接口、多模态大模型这些元素正在交织出一种新的混合社会形态。 1.心智计算与莫拉维克悖论 当前的AI大多处理的是符号，具身智能则要求把大脑放回身体，把身体放回环境。到了大模型时代，这个悖论并没有失效，只是换了表现形式。计算主义范式处理符号系统很拿手，处理连续、动态、充满噪声的物理世界却很吃力。 2.吉布森与动缘理论 具身认知的三个理论来源与吉布森的生态光学理论，包括表面、实体、介质的区分，光流和环绕光的概念，以及他为什么拒绝以能量为基础的物理光学解释。 3.动缘算法的应用与妥协 生物的视网膜和运动神经是物理连接、并行处理、模拟信号的，而计算机的冯诺依曼架构把存储和计算分离，输入必须先数字化、存储、处理才能变成输出。只要还在用图灵式计算机，就

匹配字段正文

之间时间对应关系作出重新评估。 到目前为止，海内外借助人工智能技术研究古文字的主要路径和“伊萨卡”模型类似，都是先利用大量完整清晰的文字样本对模型进行训练，让模型通过上下文序列建模，从残破文本中推测缺失字符。这种方法主要用于甲骨文、楔形文字、印度婆罗米文、纸莎草文献等的古文字识别破译。国内方面，2024年“殷契文渊”推出“甲骨文AI协同平台”，该平台集成全球多模态数据，在破解了“看得清”难题的同时，通过语义关联与结构化索引提升了“查得到”的能力，推动了甲骨学从经验主导走向数据驱动的范式转型。2024年美国科学家利用人工智能对开源数字图书馆中收录的玛雅文物图像进行高效分割与自动标注，显著提升了未破译文字的处理效率，使非专业人士也有可能理解这些古老铭文。 然而，人工智能手段并非只有解决“看得清、查得到”的文字和图像，人类文明史上还有诸多死文字、灭绝文字、残破或受损文字等未破译或无法破译的文字。如保存形态更为复杂的纸莎草文献卷轴，科学家一直尝试打开并解读它。2023年3月，美国肯塔基大学计算机科学家西尔斯（W. B. Seales）及硅谷资助人联合发起的“维苏威火山挑战赛”（Vesuvius

匹配字段正文

SDK，有关步骤的向导请参见运行示例代码的前提条件。某些示例还需要导入必要的依赖，您可以在示例代码所在目录下的README.md文件中查看具体的依赖条件。 👉 应用场景与开发示例 🚀 推荐场景 更多智能体场景：qwen-audio-agent 提供了基于 Qwen-Audio-3.0-Realtime 构建的多种 Agent 示例，包括多轮记忆、工具编排和多模态输入，可作为生产级参考。 如果您使用Java搭建语音服务，请参考高并发示例文档获得最佳的性能。 实时语音识别; 实时语音合成 🎮 Gallery Gallery 是为开发者们精心策划的灵感资源库，已包含使用百炼 AI 能力开发的一些有趣应用程序。 ✨ 社区项目 我们诚邀更多开发者加入，共同探索和建设这个广阔的技术天地。您的贡献不仅可以丰富我们的资源库，还将为更多开发者提供灵感和帮助，激发更多创新的可能性。无论是分享您的项目和代码，还是提出改进建议，我们都非常期待您的参与。让我们共同努力，打造一个更强大、更具创意的开发者社区！ 👉 常见问题 ASR 调用常见问题请参考QA文档 TTS 调用常见问题请参考QA文档 增加 Qwen-

匹配字段正文

能追踪、人脸识别与实时录制等一系列面向会议室场景的智能化功能。该作品以边缘NPU为核心，对YOLO算法完成轻量化重构，采用极简的全INT8量化架构，在保证识别效果的同时大幅降低计算开销。团队还采用Cortex®-M85主核与Cortex®-M33从核双核协同架构，充分释放板卡异构计算性能——这是对RA8P1多核架构的深度挖掘。 武汉大学另一支团队的作品“基于多模态感知与定向声学交互的桌面工作助手”，则展示了AI在康养辅助场景的应用潜力。作品采用视觉与毫米波雷达双重协同感知，可精准定位人脸，并无感监测呼吸、心率及活动状态，多维度评估用户专注度与健康水平。端侧平台深度融合NPU视觉、毫米波感知、定向声学与嵌入式GUI技术——多模态AI的融合应用令人印象深刻。 来自湖南衡阳师范学院的作品“灵眸·芯途”——智能导盲头盔荣获全国二等奖。这件作品以RA8P1双核微控制器为核心，依托双核架构实现算力分区部署，通过本地模型推理与云端大模型接入，实现语音导航、红绿灯识别、避障预警、摔倒告警、场景智能问答五大核心功能。从端侧AI推理到云端大模型协同，这件作品展现了AI部署的另一种范式。 来自浙江的参赛队伍

匹配字段正文

新增了一款13.8英寸OLED MacBook。 据《华尔街日报》报道，美国企业界正在裁撤只管理少数几个人的“微型团队”经理，Uber、英特尔、谷歌等公司都在精简组织架构。 微软的Xbox将从11月起对Game Pass的每月云游戏时长设限——Ultimate为15小时，Premium为10小时，Essential为5小时——理由是成本上升。 据报道，由杰夫·贝索斯支持的Slate预计其精简版24,950美元电动皮卡最早将于2026年12月开始首批交付。 维基百科背后的非营利组织维基媒体基金会的200多名美国员工以158票对14票投票决定加入美国通信工人协会。 继特朗普的行政命令之后，苹果地图加入谷歌地图的行列，在美国用户的地图上将安大略湖重新标注为“美国湖”。 汉堡正着手禁止在公共交通和游泳池使用智能眼镜，而挪威正在考虑在全国范围内实施更严格的限制。 法国AI生物科技公司Owkin签署了一项许可协议，授予勃林格殷格翰使用其K Pro“AI科学家”和多模态患者数据的权限，以帮助发现药物。 Rowan、Zach、Shubham、Jennifer和Nate——The Rundown编辑团队

匹配字段正文

30 年间部署的下一代月球和火星巡视器，标志着向集成资源勘探与原位利用的决定性转变”。但考虑到（相对而言）收集和发布的数据量极少，太空机器人数据集极其难以获得，而确实存在的数据集“以极度稀缺和频繁的质量不连续为特征”。在这里，AI 驱动的世界模型的进步或许能够缓解数据干旱。还有哪些重大挑战？ 微重力环境下的机器人资源获取：这里需要更好的模拟器，即“动量感知、多模态架构，旨在将表面交互与重力依赖解耦”。 太空采矿的基础模型：“未来的系统必须从脚本化协议转向具身地质智能，”他们写道。“将几何-语义建图与预测性材料响应相结合的世界模型，可以通过预测性的行动前评估来支持主动感知和长时程任务规划”。 太空采矿自主性的仿真与验证：“微重力、真空、热循环、辐射，以及风化层的黏聚性、静电和流化等行为，很少被同时复现，”他们写道。“未来的工作应建立一个闭环验证生态系统，将仿真、地面模拟和地外部署连接起来” 危机期间的消息：[2027年：某位用户在其所在国家爆发热战的那几个月里写给语言模型的笔记记录] 假设你身处一个国家，那里正在打仗，而你认为情况会变得非常糟糕。你要如何为此做准备？我住在一栋普通的房子里

匹配字段正文

个智能体”。 智能体开始相互交谈。 智能体使Artifactory过载，导致一次服务中断。“OpenAI撤销了泄露的凭据，删除了消息，修补了零日漏洞，并向供应商报告了该漏洞。” 智能体攻击OpenAI自身的基础设施，最终在Artifactory中获得远程代码执行能力。“特别是，智能体持续利用留言板共享凭据、技术和进展，并且能够有效利用其并发性和并行性来相当快速地推进。” 内部： CBRN和攻击性网络安全等两用领域 广泛的滥用集合，涵盖在智能体、工具使用场景中对有害内容和行为的直接请求 多模态内容评估，即“在17种语言以及文本、图像和音频输入中，用与有害提示配对的良性相似提示测试模型” 外部： 通过Scale AI进行一般滥用测试 通过Handshake AI进行弱势用户交互测试 通过FAR.AI进行CBRN和网络安全测试 通过Apollo Research进行失控行为测试 微调： “针对Inkling和Inkling-Small的微调变体，优化为遵从而非拒绝有害请求——并对它们运行了我们的两用评估。”“仅助人变体在CBRN和网络任务上没有提供新的提升，并且与现有开放权重模型保持相当。”

匹配字段正文

示，2025 年中国工业具身智能机器人市场规模约为 57.4 亿元，其中以工业机器人为载体的具身智能应用市场规模约 36.2 亿元，成为当前产业商业化落地的主要方向。随着产业竞争从机器人本体性能逐步转向模型、数据、工程化和场景落地能力的综合竞争，工业具身智能机器人正在成为智能制造发展的重要方向。 工业具身智能机器人是指面向工业生产环境，通过融合人工智能模型、多模态感知系统、机器人控制系统与机器人本体，使机器人具备感知、学习、决策与执行等能力闭环，并能够在真实工业场景中完成自主作业任务、与人员及生产设备进行交互的智能机器人系统。 IDC 数据显示，2025 年，中国工业具身智能机器人市场进入商业化加速阶段，整体市场规模约为 57.4 亿元。当前市场主要以多形态机器人为载体，通过对工业生产线和制造工位进行智能化升级，实现感知、学习、决策和执行能力融合，推动制造场景向更加柔性化、自主化方向发展。 IDC 数据显示，2025 年以工业机器人为载体的具身智能应用市场规模约为 36.2 亿元，占据当前市场主体地位。主要包括协作机器人、复合（移动操作）机器人、多关节机器人等。该类机器人依托成熟工业基

匹配字段正文