何恺明团队发布多模态Harness框架
何恺明团队发布多模态Harness框架多模态模型的视觉原生Harness，来了！
来自主题: AI技术研报
8699 点击 2026-10-09 12:02
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
多模态模型的视觉原生Harness，来了！
OpenAI最近真是频频往数学界扔重磅炸弹。
好家伙，世界动作模型（WAM）赛道，中国团队直接冲到了全球第一？！
昔日Agent顶流Manus，又杀回北京招人了。
最近AI产品有种动物成精了参加秋招的感觉，这个要当秘书，那个要当管家，反正都想给自己找个身份。
2026年的巴黎，秋意微凉。
拿起一枚生鸡蛋，手指需要施加恰到好处的力：既要防止滑落，又不能捏碎。拧一条湿毛巾，指尖的力道也要随着水分挤出不断调整。对人类而言，这些操作几乎出于本能。但如果只依赖视觉，摄像头拍得下手部轨迹，却捕捉不到手指接触的位置与按压的力度。
从检索动作知识、寻找角色参考，到模拟运动和衔接镜头，一个经过强化学习的智能体，能给视频生成带来多大提升？
智能体正在走进企业，但从演示效果到生产应用，仍有不少难关： 复杂任务链路长，多个智能体难以高效配合；业务经验难以沉淀，每次执行都可能重复摸索；算力投入不断增加，运行效率却未必同步提升。
设想一下： 你用Claude Code手搓了一个小应用，顺便给它接了个AI客服。