DeepDigest
← все статьи
Multimodal

Multimodal

106 статьи по теме

Leiphone

XtalPi Science: платформа AI4S для автономных научных открытий

Компания XtalPi Technology выпустила платформу XtalPi Science для автономных научных открытий. Система объединяет LLM, интеллектуальных агентов и роботизированные эксперименты. В рамках альянса с 27 организациями планируется создание научной интеллектуальной инфраструктуры. Модель SureRNX повышает эффективность исследований, сокращая количество итераций проб и ошибок.

LLM Research Multimodal
читать →
~4 мин 367 просмотра
ITmedia AI+

HP и Rakuten: гибридный AI в японских PC с Rakuten AI for Desktop

HP и Rakuten запустили приложение Rakuten AI for Desktop для японских PC от HP. Решение позволяет использовать локально обученную LLM-модель Rakuten AI 7B ONNX, переключаясь между облачным и локальным режимами работы. В локальном режиме доступны функции обработки текста даже без интернета, в облачном — интеграция с сервисами Rakuten.

LLM Multimodal Business
читать →
~2 мин 404 просмотра
TechOrange

Acti: AI-агент в клавиатуре для iOS и Android

Компания Acti представила AI-агент в виде клавиатуры для iOS и Android, интегрирующий AI-инструменты в приложения. В основе решения — модель Google Gemini, есть функция Skills для автоматизации задач. Клавиатура ориентирована на защиту приватности пользователя. Acti планирует монетизировать продукт через подписки и привлекла 5,3 млн долларов инвестиций.

LLM Agents Multimodal
читать →
~2 мин 253 просмотра
Leiphone

Команда Ван Сина из Цинхуа на IJCAI 2026: OOD-генеративный ИИ

Команда профессора Ван Сина из Цинхуа представит на IJCAI 2026 два Tutorial, посвящённых решению проблем OOD-обобщения в ИИ. В T9 речь пойдёт о взаимодействии графов и LLM, в T11 — о мультимодальных моделях и стратегиях пост-обучения. Эти работы демонстрируют сдвиг акцентов в развитии ИИ с работы в рамках IID к адаптации к реальным условиям.

LLM Research Multimodal
читать →
~2 мин 408 просмотра
Leiphone

Kimi K3: новая архитектура с улучшенным масштабированием

Kimi K3 — модель с интеграцией архитектуры, обучения и Agent infra в единую систему. Она решает проблемы масштабирования за счёт новых технологий (KDA, AttnRes, Stable LatentMoE) и демонстрирует высокую эффективность в программировании, поиске и профессиональных задачах. Модель имеет мультимодальный дизайн и замкнутый цикл обучения.

LLM Multimodal Research
читать →
~5 мин 405 просмотра
Leiphone

Matrix-Game 3.5 от Куньлунь Ванвэй: шаг к реальному физическому миру

Компания «Куньлунь Ванвэй» представила модель Matrix-Game 3.5, которая призвана вывести технологии за пределы игр — к управлению роботами и взаимодействию с физическим миром. Модель решает проблемы «физического сохранения» объектов, использует пространственную память и причинно-следственное рассуждение. Она способна генерировать данные в реальном времени и обучать роботов без миллионов проб и ошибок.

LLM Multimodal Research
читать →
~5 мин 458 просмотра
TechOrange

Sony и Mitsubishi Electric: совместный проект в сфере физического ИИ

Sony и Mitsubishi Electric создадут совместное предприятие для разработки решений в сфере физического ИИ, нацеленных на автоматизацию производств. Система позволит анализировать визуальные данные на уровне сенсоров и интегрировать их с другими производственными данными. Проект призван помочь компаниям внедрять автоматизацию без глубоких знаний в области оптики и ИИ.

LLM Vision Multimodal
читать →
~2 мин 291 просмотра
Leiphone

MiniCPM-Robot: новые модели от на WAIC 2026

На WAIC 2026 представила серию моделей MiniCPM-Robot. Среди новинок — универсальная VLA-модель для управления роботами MiniCPM-RobotManip и модель для отслеживания и навигации мобильных роботов MiniCPM-RobotTrack. Модели поддерживают локальное развёртывание и оптимизированы для работы без сети, их применение охватывает различные сферы — от патрулирования территорий до спасательных операций.

LLM Robotics Multimodal
читать →
~3 мин 437 просмотра
Leiphone

Plaud может выпустить независимую AI‑наушник с подключением к сети

Plaud ищет инженера для разработки AI‑оборудования с поддержкой 4G и 5G. Компания нацелена на создание независимого от смартфона устройства — вероятно, AI‑наушников с eSIM. На рынке уже есть подобные продукты, но их продажи пока невысоки из‑за технических и рыночных ограничений.

LLM Hardware Multimodal
читать →
~2 мин 426 просмотра
Leiphone

Step AOS и другие инновации: борьба за будущее AI-терминалов

В сфере AI‑терминалов идёт борьба между компаниями, которые добавляют функции и которые переопределяют правила взаимодействия. Компания «» представила бренд STEPX, систему Step AOS, агента Amoo и смартфон на базе модели STEPX Neo. OpenAI планирует выпустить свой AI‑смартфон в первой половине 2027 года. Apple и Google также активно работают над новыми решениями для интеграции AI в экосистемы.

LLM Multimodal Research
читать →
~5 мин 471 просмотра
Leiphone

Периферийный ИИ: инфраструктура и решения от Анъи на WAIC 2026

На конференции WAIC 2026 обсуждается будущее периферийного ИИ. Компания Анъи планирует создать инфраструктуру для вычислений периферийного ИИ и инициировала создание AIOS‑альянса. Ключевая задача — найти баланс между различными параметрами устройств и обеспечить массовое внедрение ИИ.

LLM Multimodal Hardware
читать →
~4 мин 508 просмотра
Leiphone

Модель «2.0» от Сайсы Цзисянь: новый подход к научным исследованиям с ИИ

Модель «2.0» от «Сайсы Цзисянь» представляет новый подход к научным исследованиям с использованием ИИ — объединение общих знаний и специализированных научных способностей. Модель уже показала лучшие результаты по сравнению с рядом существующих ИИ-моделей в разных научных задачах и применяется в механике, материаловедении и других областях. Создана единая платформа ScienceOne.ai для поддержки исследовательских процессов.

LLM Research Multimodal
читать →
~3 мин 466 просмотра
Leiphone

NEO-unify от Шантан: мультимодальный подход к ИИ-дизайну

Компания Шантан развивает мультимодальные технологии, делая ставку на интеграцию языка и зрения. Модель SenseNova U1 Pro — первый в мире мультимодальный инструмент с принципом «понимание, генерация, действие» — достигает уровня сдачи работ в 70 %. Конечная цель компании — создание AGI, способного работать в физическом мире.

LLM Multimodal Research
читать →
~6 мин 506 просмотра
TechNews / AI

PNG-изображения как инструмент атаки на AI-помощники для кода

Исследователи показали, что PNG-изображения могут использоваться для атак на AI-помощники для работы с кодом. Вредоносные инструкции, скрытые в изображениях, активируются позже и могут привести к утечке конфиденциальных данных. Уровень риска зависит от особенностей реализации AI-помощника, а не только от LLM.

LLM Multimodal Safety
читать →
~2 мин 519 просмотра
QbitAI

Unisonmind: демонстрация Physical AGI в Цинхуа

В Цинхуа университете показали возможности системы Unisonmind на примере робота-собаки «Сяо Тянь». Система демонстрирует Physical AGI: способна ориентироваться в пространстве, координировать действия людей и решать неожиданные задачи. Один и тот же когнитивный фундамент может работать на разных физических платформах.

LLM Robotics Multimodal
читать →
~2 мин 550 просмотра
L Leiphone
Leiphone

Alipay и WeChat: шаг к коммерциализации ИИ-агентов в Китае

Alipay и WeChat делают шаги к коммерциализации ИИ‑агентов в Китае. За последние три месяца обе платформы запустили ряд продуктов и сервисов с использованием искусственного интеллекта. Эксперты считают, что текущий год может стать первым годом коммерциализации агентов.

LLM Business Multimodal
читать →
~3 мин 632 просмотра
Leiphone

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 588 просмотра
cs.CL
arXiv
Cornell University Library
arXiv cs.CL

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 595 просмотра
Leiphone

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 606 просмотра
Analytics Vidhya

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 386 просмотра