一文看懂多模态思维链
一文看懂多模态思维链多模态思维链（MCoT）系统综述来了！
来自主题: AI技术研报
5795 点击 2025-03-25 10:17
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
多模态思维链（MCoT）系统综述来了！
RAG应用的一大复杂性体现在其多样的原始知识结构与表示。特别在企业场景下，混合多种媒体形式且具有复杂布局的文档随处可见，比如一份PPT：
万字长文，对多模态LLM中对齐算法进行全面系统性回顾！
国产厨电龙头老板电器出品的全球首个烹饪大模型「食神」升级，不光接入了DeepSeek，还拓展了多模态。像推荐菜谱、指导烹饪已经是常规操作。在此基础上，它还能一眼看出你的健康状况——通过面部识别、分析体检报告，生成长期的健康膳食计划。
Nvidia刚刚发布了「世界生成」模型Cosmos-Transfer1，可以根据多种模态的空间控制输入（如分割、深度和边缘）生成世界模拟，使得世界生成具有高度可控性。开发者使用模型能够创建高度逼真的模拟环境，用于训练机器人和自动驾驶车辆。
近日，中国人工智能学会发布2024年度“吴文俊人工智能科学技术奖”公告，京东科技人工智能团队凭借“多模态交互式数字人关键技术及产业应用”项目荣获中国智能科学技术最高奖——吴文俊人工智能科学技术奖的特等奖，也是本年度唯一的特等奖。
评估多模态AI模型的那些复杂测试，可能有一半都是“重复劳动”！
多模态大模型虽然在视觉理解方面表现出色，但在需要深度数学推理的任务上往往力不从心，尤其是对于参数量较小的模型来说更是如此。
通过收集六名志愿者一周的多模态生活数据，研究人员构建了300小时的第一视角数据集EgoLife，旨在开发一款基于智能眼镜的AI生活助手。项目提出了EgoButler系统，包含EgoGPT和EgoRAG两个模块，分别用于视频理解与长时记忆问答，助力AI深入理解日常生活并提供个性化帮助。
全球首个开源多模态推理大模型来了！38B参数模型性能直逼DeepSeek-R1，同尺寸上横扫多项SOTA。而这家中国公司之所以选择无偿将技术思路开源，正是希望同DeepSeek一样，打造开源界的技术影响力。