术语slug: multimodal-generation

多模态生成

Multimodal Generation

模型同时处理文本、图像等多种数据类型并生成相应内容的能力

收录情报动态

共 21 篇 · 第 1/3 页
Google DeepMindT1·基座大模型
88 分
谷歌发布 Genie 4 实现多模态实时世界模拟

谷歌推出新一代世界模型 Genie 4,通过整合 Gemini Omni 的视觉锚定与推理能力,实现了前所未有的实时交互式模拟。该模型原生支持多模态生成,能同步输出环境音效、音乐及人物对话,显著提升了虚拟世界的物理一致性与行为连贯性,被视为迈向通用人工智能(AGI)的关键基础设施。

Hugging Face BlogT1·基座大模型
68 分
NVIDIA 开源 RFD4-Proteina 简化蛋白质设计流程

NVIDIA 在 Hugging Face 发布 BioNeMo 系列开源模型 RFD4-Proteina,旨在通过统一多模态生成能力解决传统蛋白质设计中因工作流割裂导致的信息丢失问题。该模型支持从定义目标到生成候选蛋白的端到端可重复工作流,并已与 Proteinbase 竞赛平台集成以加速实验验证。

IT之家 · 智能时代T2·基座大模型
68 分
研究证实 AI 篡改图像可植入虚假记忆且降低人工监督有效性

最新研究发现,观看经 AI 篡改的图像或阅读含错误信息的 AI 摘要,会显著增加受试者产生虚假记忆的概率,并使其对错误记忆的自信度更高。实验表明,即使提前告知信息源自 AI,人类仍难以抵御其误导,这导致依赖“人工监督”来纠正 AI 错误的机制面临失效风险。

Hacker News AIT2·基座大模型
68 分
Kombai 发布 Design Creativity Bench:量化 UI 设计创造力,GPT-6 Astra 得分仅 65.5 远低于人类基准

Kombai 推出新基准 Design Creativity Bench,通过原创性、创意范围和适用性三个维度评估 AI 在 UI 设计任务中的创造力。评测显示,尽管前沿模型能生成功能性界面,但在创意决策上仍显著落后于人类设计师,最佳模型 GPT-6 Astra 得分仅为 65.5,而人类参考得分为 92.3。该基准已开源完整方法论与数据集,旨在将设计创造力转化为可量化的模型能力指标。

IT之家 · 智能时代T2·基座大模型
48 分
OpenAI GPT-6 Astra 赋能 Higgsfield:AI 视频生成时长突破至 10 分钟并支持创意智能体调用外部工具

OpenAI 宣布其新模型 GPT-6 Astra 与视频平台 Higgsfield 达成合作,将 AI 视频生成时长上限从 1 分钟提升至 10 分钟。该能力主要依赖 GPT-6 Astra 支持的“创意智能体”特性,通过调用外部工具(如 3D 建模)来维持长视频中角色、场景和视觉细节的一致性。此外,Higgsfield 还集成了 GPT-Image-2.5 用于稳定渲染图像文字,并利用 Codex 加速内部产品开发。