近年来，Vision-Language Models（视觉 — 语言模型）在多模态理解任务中取得了显著进展，并逐渐成为通用人工智能的重要技术路线。然而，这类模型在实际应用中往往面临推理开销大、效率受限的问题，研究者通常依赖 visual token ...

2025年夏季，男装领域掀起了一场名为"微短裤"的时尚革命。当我作为一名时尚设计师，第一次在伦敦秀场后台看到模特们身着长度仅及大腿中部的短裤时，就预感到这将是改变男性夏季衣橱的关键单品。微短裤不再是简单的避暑工具，而是男性表达身体自信与时尚态度的载体 ...

近日，上海大学曾丹团队联合南开大学研究人员，从 attention 可靠性的角度出发，系统揭示了 Vision-Language Models 中普遍存在的 attention 偏置问题，并提出了一种无需重新训练的 attention ...

2月5日，可灵AI正式全球上线3.0系列模型，目前正面向黑金会员开放使用，预计将于近期全量上线。此次发布的可灵视频3.0、可灵视频3.0 Omni及可灵图片3.0、可灵图片3.0 ...

2月5日消息，可灵AI正式全球上线3.0系列模型，目前正面向黑金会员开放使用，预计将于近期全量上线。

近年来，Vision-Language Models（VLMs）在多模态理解任务中取得了显著进展，尤其是在视觉问答、图像理解和视频理解等场景中，模型通常通过 language-to-vision attention 来衡量视觉token与文本之间的相关性，并据此进行visual token pruning，以降低推理成本、提升运行效率。

报告主题：AAAI 2026 Outstanding Paper Award｜多模态表征模型能力边界LLM2CLIP报告日期：01月29日（周四） 10:30-11:30报告要点：本期报告将由微软亚洲研究院杨一帆进行分享。CLIP ...

智通财经APP获悉，2月5日，可灵AI正式全球上线3.0系列模型，目前正面向黑金会员开放使用，预计将于近期全量上线。此次发布的可灵视频3.0、可灵视频3.0 Omni及可灵图片3.0、可灵图片3.0 Omni模型，覆盖图片生成、视频生成、编辑及后期等影视级全流程链路，标志着AI正式进入影视与创意内容的核心生产环节，可灵AI也正式迈入3.0时代。

两位在人工智能领域具有深厚背景的华人科学家，正携手创立一家专注于视觉AI技术的新公司——Elorian。这家初创企业旨在开发能够同时解析文本、图像、视频和音频的多模态AI模型，为行业带来突破性创新。目前，该公司已启动种子轮融资，计划筹集约5000万美元资金。 联合创始人戴明博（Andrew ...

1 月 27 日，DeepSeek 发布了《DeepSeek-OCR 2： Visual Causal Flow》论文，并同步开源新一代文档理解模型。这是该公司在 2026 年 1 月的第三次技术更新：月初完善了 R1 论文的技术细节，中旬开源了 ...

The new sci-fi thriller "Mercy" presented a fast-paced, intense story exploring artificial intelligence in the justice system ...

Since its historic visit to China in 1973, the first by an American orchestra after the founding of the People's Republic of China, the Philadelphia Orchestra has returned regularly, building enduring ...