多模态AI
-
悟界·Emu3.5：世界模型基座如何重塑多模态AI的物理认知与时空一致性
在AI技术快速迭代的浪潮中，多模态模型正从简单的图文生成向更复杂的物理世界理解演进。北京智源人工智能研究院（BAAI）最新开源的悟界·Emu3.5，作为一款原生多模态世界模型，不仅在图、文、视频任务上展现出全面能力，更在模拟动态物理世界、保持时空一致性方面实现了突破性进展。这标志着AI正从“表象生成”迈向“本质理解”的新阶段。 Emu3.5的核心突破在于其作…
-
视觉化文本处理：Glyph框架如何通过图像渲染突破长文本计算瓶颈
在人工智能快速发展的今天，处理长文本输入已成为大语言模型面临的核心挑战之一。传统的token扩展方法虽然在一定程度上缓解了上下文长度限制，但随之而来的算力成本呈指数级增长，使得百万级token的处理在经济和技术上都变得不可持续。当业界普遍在位置编码扩展和注意力机制优化上投入大量资源时，智谱AI推出的Glyph框架却开辟了一条全新的技术路径：将文本转化为图像，…
