多模态[47]
中科院自动化所联合香港院AI中心破解多模态大模型灾难性遗忘难题
多模态大模型在学习新任务时易出现“灾难性遗忘”，导致旧知识丢失。中科院自动化所团队构建“理论-工具-实践”三位一体体系破解此难题：发布生成式AI持续学习全景综述，涵盖LLMs、MLLMs等四大模型类型；提出UCIT/FCIT评估基准，解决数据泄露与联邦场景评测问题；研发HiDe-LLaVA方法，分层优化仅调2.4%参数，旧任务衰减率低至3.8%。方案降低部署成本，保障医疗、自动驾驶等关键任务稳定，开源资源推动行业创新，为AI“终身学习”提供新范式。
快手Keye-VL 1.5开源：0.1秒定位+128K窗口重新定义视频AI
快手Keye-VL 1.5开源，重新定义视频AI能力边界。该多模态模型凭借128K超长上下文窗口，可流畅处理数小时长视频，结合Slow-Fast双路编码与3DRoPE时序编码，实现0.1秒级帧级定位精度。在快手日均4亿条视频审核场景中，违规物品定位误差仅0.05秒，误判率低至0.12%；电商领域通过精准锁定商品特写片段，用户点击转化率提升23%。模型支持轻量化部署，INT4量化版本仅需10GB显存即可运行，中文多模态任务表现突出，已整合至LlamaIndex、LangChain工具链。其开源推动视频理解从“能用”迈向“好用”，为内容审核、智能剪辑、长视频分析等领域提供高效技术范式。
清华北航联合发布BSC-Nav：让具身智能拥有动态类脑空间记忆
具身智能机器人在物理世界常因空间记忆不足"笨手笨脚"，而清华与北航联合研发的BSC-Nav类脑空间认知框架，正通过模仿生物大脑空间记忆机制破解这一难题。该框架构建地标记忆、认知地图、工作记忆三大模块，实现动态空间记忆：地标模块优先记住关键物体，认知地图动态更新环境变化（内存效率提升45%），工作模块将模糊指令识别准确率提至92%。测试显示，其长距离导航成功率达89.7%，远超传统模型；已吸引12家机器人企业测试，可赋能家用机器人自适应新环境、工业机器人实时响应场景变化，为具身智能"物理觉醒"提供核心技术支撑。
中国学习平板Q2出货增44.6%，科大讯飞AI学习机首登销售额榜首
2025年第二季度中国学习平板市场出货量达154万台，同比激增44.6%，科大讯飞AI学习机首次登顶全行业销售额榜首，上半年业务收入同比翻番。作为高端市场领导者，其凭借首创“AI精准学”体系，通过AI 1对1精准学、答疑辅导等功能实现个性化学习，并推出AI手写笔、类自然光护眼技术等硬件创新，推动行业标准升级。依托讯飞星火X1大模型，其“AI幻觉率”低至3%，远优于行业15%的平均水平，叠加“人工智能+教育”政策支持，在高端市场占比持续提升。随着技术深耕与用户认可，科大讯飞正从高端领跑迈向全场景智能教育解决方案引领者，驱动行业进入“技术+需求”双轮增长新阶段。
LangChain 1.0 Alpha推出标准化内容块，破解多模态开发数据孤岛
多模态开发中，文本、图像等数据碎片化处理导致“数据孤岛”，开发效率低且扩展难。LangChain 1.0 Alpha推出“标准化内容块”，以统一`MessageContent`类重构数据流转，实现多模态数据“即插即用”。其通过互操作性（模型间直接读取同结构数据）、提升开发效率（原型开发时间缩短40%，适配代码减少60%）、模块化扩展（复用组件跨项目协作），解决多模态开发核心痛点。支持Python（优化数据管道与本地部署）和JavaScript/TypeScript（轻量化前端集成），已落地Snowflake、MongoDB等企业场景，Notion插件开发效率提升60%。该标准化方案推动LLM应用从“重复造轮子”迈向“模块化组装”，加速多模态生态协作。
Cloudflare Radar AI洞察：AI爬虫流量失衡冲击内容价值与数据主权
Cloudflare Radar推出AI洞察功能，透视AI重塑网络流量格局：2025年中期AI爬虫79.8%流量用于模型训练，五大工具商占超80%份额，爬取-引用比失衡至200:1，仅13.5%生成式结果附原始链接，冲击内容权益。生成式AI服务热度基于DNS数据，ChatGPT因多模态、Midjourney因移动端、Claude因免费API登榜。超12万家网站用AI Crawl Control反击，通过扩展robots.txt语法及600+爬虫指纹库精准管控。行业博弈中，AI洞察以透明数据推动新平衡，助力内容生产者从AI发展获合理回报。
谷歌Gemini 2.5 Flash Image：多模态AI重塑图像创作边界
谷歌正式发布AI图像模型Gemini 2.5 Flash Image（前身为“nano-banana”），凭借多图语义级融合、2D转8视角3D模型及图像逻辑推理三大核心功能引发行业关注。该模型基于Diffusion Transformer架构，可实现跨图片光影匹配与跨模态理解，支持林黛玉服饰+赛博朋克背景等创意合成，单张产品图生成8视角3D模型，甚至能通过图像计算几何题、解析科学图表。目前已在Gemini平台及Google AI Studio免费开放，API按张计费（0.039美元/图），助力设计师高效完成创意合成、3D建模等任务，基于NeRF技术与27万张用户测试图优化，大幅降低专业图像创作门槛，重新定义AI驱动的视觉设计边界。