跳到正文

#多模态

今日 1 条

10月28日

星期三
  1. Property Finder 如何修复评估偏差,在 Amazon Bedrock 上选出更优模型

    Property Finder 发现其评估标签中 96.8% 直接来自现有视觉语言模型的预测而非人工核验,导致任何替代模型在对比中结构性吃亏。团队重新人工标注 356 张 UAE 图像并改用多标签分类,结合 v0 到 v27 的提示词迭代优化,在 Amazon Bedrock 上选出新模型,准确率更高且成本降低 86%。

10月27日

星期二

10月24日

星期六

10月23日

星期五
  1. Canva 发布首个自研图像模型 Craft

    Canva 发布首个自研图像生成模型 Craft,由其内部实验室 Canva Research 从零训练,主要使用数百万份设计模板而非照片作为训练数据。Craft 先生成构图、比例和文字,再输出最高 2K 分辨率、覆盖 30 多种宽高比的图像,支持 55 种语言的文字渲染,并可通过 Magic Layers 拆分为可编辑图层。

10月22日

星期四

10月20日

星期二
  1. Kling AI 发布 4.0 版本,支持立体声、多语言口型同步并推出轻量 Flash 版

    Kling AI 发布 4.0 版本,单次可生成最长 30 秒视频,支持最多 10 张关键帧图像输入,提示词理解扩展到 8,000 tokens。新版本加入双声道立体声和十余种语言的口型同步,Omni Reference 单次最多接受 15 个参考素材,并推出最高 720p、20 秒的轻量 Flash 版。Kling 4.0 可通过 MCP 和 CLI 接入,API 定价尚未公布。

10月17日

星期六
  1. Elorian 发布首个模型 Glimpse,以视觉草稿空间做图像推理

    Elorian 发布首个模型 Glimpse,以研究预览形式开放 API,聊天界面需排队。Glimpse 在推理过程中可裁剪图像区域、从视频抽取特定帧或运行代码测量比较,Elorian 称这一机制为视觉草稿空间。该模型定价为输入每百万 token 0.60 美元、输出每百万 token 3 美元,据 Elorian 的评测,其在科学图表推理和短视频描述上超过 GPT-6 Astra。

10月16日

星期五
  1. Google DeepMind 用 Google Antigravity 加速抗菌肽发现

    Google DeepMind 介绍用智能体开发平台 Google Antigravity 加速抗菌肽发现,把原本分散在多个数据库的检索压缩到单次会话中。该平台结合可从氨基酸序列预测生物功能的模型 ProtNLM,扫描 UniProt 中数百万条未表征蛋白质,找到一条对呼吸道感染相关病原体有预测活性的新型抗菌肽候选,目前正进行湿实验验证。

10月15日

星期四

10月14日

星期三

10月11日

星期日

10月9日

星期五

10月8日

星期四

10月7日

星期三