多模态学习

在当今数字时代，用户在网络平台留下的每一个足迹——每一次点击、收藏、购买——都构成了其数字身份的重要记忆片段。然而，当前主流推荐系统普遍面临着一个严峻挑战：它们患有严重的“短期健忘症”。受限于计算资源、存储成本和实时性要求，这些系统往往只能处理用户最近数千条行为数据，而将那些沉睡在数年前的历史记录粗暴截断或遗忘。即便部分系统尝试召回这些长期行为，传统基于ID…

在人工智能领域，视频生成技术正经历从单一模态学习向多模态统一理解的深刻变革。近期，由香港科技大学、香港中文大学、清华大学与快手可灵团队联合提出的UnityVideo框架，通过整合深度图、光流、骨骼姿态、分割掩码等多种视觉模态，构建了一个能够“理解”物理世界规律的视频生成模型。这一突破不仅显著提升了生成视频的真实性与可控性，更实现了零样本泛化能力，为视觉大模型…

在数字广告领域，推荐系统的每一次范式迁移都深刻影响着用户体验与商业效率。近期，一场由腾讯广告主办的算法大赛，不仅以360万元的高额奖金吸引了超过8000名参赛者，更在技术社区引发了罕见的集体学习热潮。这场比赛的核心赛题——全模态生成式推荐，正悄然推动着广告推荐从传统的判别式匹配向生成式理解的深刻转型。 传统推荐系统长期依赖判别式方法，其逻辑本质是基于历史行为…

在人工智能领域，大语言模型（LLM）的上下文长度扩展与计算效率之间的矛盾日益凸显。NeurIPS 2025会议上，南京理工大学、中南大学、南京林业大学联合研究团队提出的VIST（Vision-centric Token Compression in LLM）框架，通过创新的视觉压缩机制，为大语言模型的长文本处理提供了突破性解决方案。这一技术路径与近期备受关注…