#多模态

共 39 篇带此标签

39 篇文章 最新 2026-11-21
往期 · #多模态 共 11 篇
工具

dettato 音频转 MIDI:21M 模型反超 1.3B

dettato 用约 21M 参数完成音频转 MIDI,模型体积约为 muscriptor 1.3b 的 1/60。项目称其测试表现领先,但数据、效率口径和训练方法仍待独立复现。

2026-11-21 来源 2026-11-17 7 分钟 36 次浏览
产品

Genie 4 上线:AI Agent 离世界模型还有多远?

Google DeepMind 已通过 Project Genie 开放 Genie 4。它能根据文本、图像或视频生成可交互环境,但距离成为可靠的 Agent 训练场,还要跨过物理规律、长任务一致性和现实偏差三道门槛。

2026-11-20 来源 2026-11-18 7 分钟 36 次浏览
实战

AI Agent 发现玛雅遗址:关键不是会聊天

Pietro Miotti 的 Agent 团队参与发现一处此前未被测绘的玛雅遗址。本文拆解其搜索、规划、实地考察与证据留存流程,并区分 Agent 的实际贡献和人类研究者的专业判断。

2026-11-12 来源 2026-11-11 8 分钟 36 次浏览