Optimizing Inference in the Age of Open-Source Innovation
探索十个多模态数据集和基准的主要特征，以评估多模态模型的性能。
IEEE Transactions on Fuzzy Systems, Volume 33, Issue 1, January 2025
1) 模糊深度神经网络学习在情绪分析中的特邀编辑专题作者：Gautam Srivastava、Chun-Wei Lin页数：1 - 22) Fcdnet：基于模糊认知的多模态情绪分析动态融合网络作者：Shuai Liu、Zhe Luo、Weina Fu页数：3 - 143) 多模态情绪分析的联合客观和主观模糊性去噪作者：Xun Jiang、Xing Xu、Huimin Lu、Lianghua He、Heng Tao Shen页数：15 - 274) 使用模糊深度神经网络学习探索情绪分析的多模态多尺度特征作者：Xin Wang、Jianhui Lyu、Byung-Gyu Kim、B. D. Pa
Mapping Cells Through Time and Space With Moscot
单细胞基因组学技术能够在时间和空间维度上对数百万个细胞进行多模态分析。实验限制阻碍了在其原生时间动态或空间组织环境中测量包罗万象的细胞状态。最佳传输理论已成为克服此类限制的有力工具，能够恢复原始细胞环境。然而，目前大多数可用的算法实现都没有跟上数据集复杂性不断增加的步伐，因此当前的方法无法结合多模式……
Cooking Up Narrative Consistency for Long Video Generation
最近公开发布的 Hunyuan Video 生成 AI 模型加剧了有关大型多模态视觉语言模型有朝一日制作整部电影的潜力的持续讨论。然而，正如我们所观察到的，由于多种原因，目前这还是一个非常遥远的前景。其中一个原因是注意力窗口非常短 […] 文章《为长视频生成制作叙事一致性》首先出现在 Unite.AI 上。
Soulfun Review and Key Features – My Experience
关键见解：多样化的 AI 伙伴：SoulFun 提供各种 AI 角色，每个角色都有独特的个性和背景，可增强用户参与度。自定义：用户可以创建和个性化自己的 AI 伙伴，根据自己的喜好定制特征和故事。多模式交互：通过文本、语音通话和图像共享与 AI 伙伴互动，获得更身临其境的体验。不受审查的内容：与 AI 角色一起享受不受限制的对话和场景，包括 NSFW 内容。自适应学习：AI 从互动中学习，随着时间的推移提供越来越个性化和情境感知的响应。什么是 SoulFun？SoulFun 是一款由 AI 驱动的聊天应用程序，旨在为用户提供 […]
IEEE Transactions on Games, Volume 16, Issue 4, December 2024
1) 特邀社论：以人为本的人工智能在游戏评估中的特别专题作者：Alena Denisova、Diego Perez-Liebana、Vanessa Volz、Julian Frommel、Sahar Asadi页数：742 - 7452) 基于视频的游戏主播参与度评估：一种可解释的多模态神经网络方法作者：Sicheng Pan、Gary J. W. Xu、Kun Guo、Seop Hyeong Park、Hongliang Ding页数：746 - 7573) 类魂游戏中的文化洞察：在多元文化背景下分析玩家行为、观点和情感作者：Sicheng Pan、Gary J. W. Xu、Kun Guo
Google presenterar Gemini 2.0 Flash Thinking
新模型具有几个令人兴奋的功能：Google 最近推出了 Gemini 2.0 Flash Experimental，这是其 AI 模型的新版本，旨在改进交互式和多模式应用程序的开发。此次更新是谷歌创建更多“代理”人工智能解决方案的努力的一部分，这意味着人工智能可以代表用户采取行动，并且[...]谷歌展示 Gemini 2.0 Flash Thinking 的帖子首次出现在人工智能新闻中。
Gemini 2.0: Google’s Bold Challenge to OpenAI
重要性：Gemini 2.0：谷歌以多模态功能和符合道德的先进生成式 AI 工具向 OpenAI 发起大胆挑战。
Google DeepMind lanserar Gemini 2.0
谷歌推出了Gemini 2.0，这是一种针对“代理时代”的新人工智能模型，提供先进的多模式功能，包括图像和音频输出以及工具使用。新模型现已可供开发人员使用，并提供改进的性能和功能，使人工智能代理能够在人类监督下执行复杂的任务。谷歌强调其对 […]谷歌 DeepMind 推出 Gemini 2.0 的帖子首次出现在人工智能新闻上。
Google Launches Gemini 2 and AI Assistant
重要性：谷歌推出具有多模式功能的 Gemini 2 和人工智能助手，提高生产力并提高日常生活效率。
Google’s new Project Astra could be generative AI’s killer app
Google DeepMind 宣布了一系列令人印象深刻的新产品和原型，这些产品和原型可能会让它在将生成式人工智能转变为大众市场关注的竞争中重新夺回领先地位。Gemini 2.0 是 Google DeepMind 多模态大型语言模型系列的最新版本，现在已围绕……进行了重新设计
Introducing Gemini 2.0: our new AI model for the agentic era
今天，我们宣布推出 Gemini 2.0，这是我们迄今为止功能最强大的多模式 AI 模型。
Introducing Gemini 2.0: our new AI model for the agentic era
今天，我们宣布Gemini 2.0，这是我们最有能力的多模式AI模型。
Introducing Gemini 2.0: our new AI model for the agentic era
今天，我们宣布Gemini 2.0，这是我们最有能力的多模式AI模型。
Introducing Gemini 2.0: our new AI model for the agentic era
今天，我们宣布Gemini 2.0，这是我们最有能力的多模式AI模型。
Introducing Gemini 2.0: our new AI model for the agentic era
今天，我们宣布Gemini 2.0，这是我们最有能力的多模式AI模型。
Pixtral 12B is now available on Amazon SageMaker JumpStart
今天，我们很高兴地宣布，Pixtral 12B (pixtral-12b-2409) 是一款由 Mistral AI 开发的先进视觉语言模型 (VLM)，在纯文本和多模式任务中均表现出色，现已通过 Amazon SageMaker JumpStart 向客户提供。您可以使用 SageMaker JumpStart 试用此模型，SageMaker JumpStart 是一个机器学习 (ML) 中心，可访问算法和模型，只需单击一下即可部署这些算法和模型以运行推理。在这篇文章中，我们将介绍如何发现、部署和使用 Pixtral 12B 模型来处理各种现实世界的视觉用例。
Towards Time-Series Reasoning with LLMs
多模态大型语言模型 (MLLM) 已在视觉等领域的理解和推理方面取得了许多进展，但我们尚未看到时间序列取得如此广泛的成功。尽管之前对时间序列 MLLM 的研究在时间序列预测中表现出色，但很少有研究展示 LLM 如何用于自然语言的时间序列推理。我们提出了一种新颖的多模态时间序列 LLM 方法，该方法可以学习跨各个领域的可推广信息，并具有强大的零样本性能。首先，我们在… 之上训练一个轻量级时间序列编码器
