多模态
-
Jeff Dean预言AI时代工程师革命：管理50个智能体实习生，核心技能从写代码转向“定义问题”
关键词： 智能体、Jeff Dean、全栈协同、多模态、定义问题 “未来每个工程师可能会各自管理 50 个智能体‘实习生’，完成大量并行任务，而且沟通效率会比人与人协作更高。未来最重要的技能将会是‘写清楚需求’，因为智能体的输出质量完全取决于你如何定义问题。” 2026年3月，谷歌首席AI科学家、传奇工程师杰夫·迪恩（Jeff Dean）在一次深度访谈中，提…
-
阿里Qwen3.5小模型震撼发布：0.8B参数即可处理视频，边缘AI时代正式开启！
阿里通义千问发布了Qwen3.5系列的四款小参数规模模型，分别为0.8B、2B、4B和9B。该系列的核心创新在于引入了Gated DeltaNet混合注意力机制，此项技术借鉴自其397B参数的大模型。 该架构采用三层线性注意力层对应一层全注意力层的设计。线性层负责常规计算，内存占用保持恒定；全注意力层仅在需要精确计算时激活。这种3:1的配比使得模型在维持高质…
-
向量检索评估体系大洗牌：IceBerg基准揭示HNSW并非最优，多模态RAG远未标准化
将多模态数据纳入到RAG（检索增强生成）乃至Agent框架，是目前大语言模型（LLM）应用领域最受关注的方向之一。针对多模态数据最自然的召回方式，便是向量检索。 然而，我们正在依赖的这一整套“embedding → 向量检索 → 下游任务”的流程，其实存在一个未被正确认知到的陷阱。许多人认为向量检索方法已经标准化，遇到向量检索需求便不假思索地选择HNSW算法…
-
PaddleOCR-VL：文档理解新突破，复杂表格公式一键精准解析
传统 OCR 工具在处理包含复杂表格、数学公式或多栏排版的文档时，往往输出杂乱，需要大量人工整理。近期，百度开源的 PaddleOCR-VL-0.9B 模型在文档理解任务上展现出了显著突破。 尽管其参数量仅为 9 亿，但该模型在全球权威评测基准 OmniDocBench v1.5 上取得了 92.6 的综合得分，位列榜首。在推理速度上，相比同类模型 Mine…
