Deep Digest

Leiphone 8 Jul 2026

RoboBrain Orca: ИИ прогнозирует следующее состояние мира

RoboBrain Orca — мультимодальная модель, которая формирует представление о состоянии мира и моделирует его эволюцию. Она обрабатывает разные типы данных (текст, изображения, видео) и учится на неосознанном и сознательном опыте. Модель использует 125 000 часов видео и 160 млн аннотаций к событиям и может стать основой для сложных когнитивных систем.

LLM Multimodal Research

читать →

~2 мин 638 просмотра

cs.CL

arXiv

Cornell University Library

arXiv cs.CL 7 Jul 2026

Система предскажет фейковые новости и вспышки насилия: мультимодальный подход

Мультимодальная система на базе XLM-RoBERTa и CLIP с точностью 98 % выявляет фейковые новости и признаки насилия, учитывая текст, изображения и геоданные.

LLM Multimodal Safety

читать →

~1 мин 648 просмотра

Leiphone 6 Jul 2026

Agentic от Volcano Engine: новая система оптимизации качества видео

Система Agentic от Volcano Engine оптимизирует качество видео с помощью агентной системы, заменяя человеческий конвейер постобработки. Она учитывает разные типы видео и их требования, используя модели оценки восприятия и набор инструментов для обработки. Ключевой оператор GenVR нацелен на охват различных типов контента и снижение затрат на моделирование сцен.

LLM Multimodal Research

читать →

~4 мин 664 просмотра

Analytics Vidhya 6 Jul 2026

VLM-модели: как работают GPT-4o, Gemini, Claude Vision и Qwen-VL

Современные модели Vision Language (VLM) объединяют понимание визуального контента и языка. Модели GPT-4o, Gemini, Claude Vision и Qwen-VL применяются в разных сферах — от образования до автоматизации. Они способны анализировать изображения, документы, диаграммы, вести мультимодальные диалоги, но имеют ограничения — например, могут пропускать детали или давать неверные ответы.

LLM Multimodal Vision

читать →

~2 мин 421 просмотра

QbitAI 4 Jul 2026

Физический ИИ, как сказал Вонг Ин Хун, был введен в лабораторию наук о жизни этим китайским трансграничным игроком

Китайская компания Da Chi-Son запустила в Шанхае лабораторию искусственного интеллекта и представила системы ProtoPilot и BioLab Bench для проведения экспериментов в области наук о жизни. В статье также рассматривается проблема интеграции ИИ в лабораторные процессы и роль крупных игроков из Кремниевой долины в этой сфере.

LLM Research Multimodal

читать →

~18 мин 726 просмотра

Leiphone 4 Jul 2026

Vidu S1, который подталкивает поколение видео к новой эре взаимодействия в реальном времени

Компания Biotech запустила модель Vidu S1 для интерактивных видеосценариев в реальном времени. Модель позволяет генерировать видео нового поколения с возможностью непрерывного взаимодействия, включая голосовое управление и видеозвонки.

LLM Multimodal Vision

читать →

~10 мин 691 просмотра

QbitAI 2 Jul 2026

Карта записи Dingding A1 отмечена в отчёте Gartner о носимых ИИ-устройствах

Gartner включила карту записи Dingding A1 в отчёт о носимых устройствах с ИИ. Устройство помогает сотрудникам эффективно записывать информацию и получать аналитические данные в реальном времени. Ключевое отличие Dingding A1 — тесная интеграция с корпоративным суперприложением Dingding.

LLM Multimodal

читать →

~2 мин 744 просмотра

Leiphone 2 Jul 2026

AI MediaKit от Volcano Engine: автоматизация создания видеоконтента

AI MediaKit от Volcano Engine автоматизирует создание и обработку аудио- и видеоконтента с помощью агентов. Набор инструментов объединяет множество функций (более 100) для редактирования, улучшения качества, транскодирования и других задач. Концепция «подключи и играй» упрощает разработку приложений и позволяет агентам эффективно выполнять рабочие процессы — от понимания контента до его доставки на платформы.

LLM Multimodal Business

читать →

~4 мин 708 просмотра

ITmedia AI+ 2 Jul 2026

Sakana Fugu: Sakana AI использует Google Cloud для мультиагентной системы

Sakana AI создала мультиагентную систему Sakana Fugu на базе платформы Gemini Enterprise Agent Platform от Google Cloud. Система включает три слоя и объединяет несколько моделей ИИ. По заявлению разработчиков, версия Fugu Ultra в некоторых задачах превосходит американские модели Claude Mythos Preview и Claude Fable 5.

LLM Multimodal

читать →

~2 мин 704 просмотра

cs.CV

arXiv

Cornell University Library

arXiv cs.CV 2 Jul 2026

RadarTwin: новый способ научить радар «видеть» в помещении

RadarTwin — платформа для обучения радаров mmWave без реальных данных: синтезирует измерения и позволяет распознавать объекты с точностью до 95,3%.

Vision Research Multimodal

читать →

~1 мин 724 просмотра

Leiphone 2 Jul 2026

Nvidia и Sharpa: почему выбрали руку Sharpa Wave на ICRA 2026

На ICRA 2026 обсудили выбор Nvidia в пользу руки Sharpa Wave для робота Isaac GR00T. Sharpa продемонстрировала высокую производительность: 22 степени свободы, тысячи тактильных датчиков и возможности работы с данными, приближенные к человеческим. Сотрудничество компаний выходит за рамки одного робота — они разрабатывают общие платформы для сбора данных и управления роботами.

Robotics LLM Multimodal

читать →

~4 мин 692 просмотра

Leiphone 2 Jul 2026

Мобильные сети в эпоху физического ИИ: вызовы и решения от Huawei

Появление физического ИИ ставит перед мобильными сетями новые задачи — от расширения диапазона подключений до повышения требований к качеству связи. Huawei предлагает внедрять искусственный интеллект в структуру сети, чтобы динамически распределять ресурсы, обеспечивать автономную эксплуатацию и поддерживать сложные сценарии использования. Это приведёт к трансформации бизнес‑моделей операторов — от продажи трафика к продаже гарантии качества обслуживания.

LLM Multimodal Business

читать →

~4 мин 721 просмотра

Всё важное об ИИ — в одной ленте