utworzone przez Redakcja | lip 7, 2026
iFLYTEK zaprezentował model iFLYTEK-Embodied-Omni, który łączy rozumienie języka, wizję komputerową i generowanie akcji w jednym systemie dla robotów. Rozwiązanie eliminuje błędy kaskadowych pipeline'ów, integrując modelowanie wideo i sterowanie ruchem we...
utworzone przez Redakcja | cze 30, 2026
Badacze opracowali framework MER-R1 oparty na uczeniu przez wzmacnianie, który łączy szybkie i wolne myślenie w rozpoznawaniu emocji multimodalnych. Odkryto, że szybkie myślenie poprawia czułość, a wolne – precyzję, co pozwala na ich wzajemne uzupełnianie...
utworzone przez Redakcja | cze 9, 2026
Google DeepMind zaprezentowało Gemma 4 12B – ujednolicony, multimodalny model AI pozbawiony tradycyjnego enkodera. To nowe podejście do architektury modeli językowych łączących różne typy danych.
utworzone przez Redakcja | cze 6, 2026
Naukowcy stworzyli framework Query Retrieve Conclude, który pozwala AI interpretować memy w czasie rzeczywistym, pobierając aktualną wiedzę z internetu. Opracowano też benchmark oparty na memach z lat 2024–2026.
utworzone przez Redakcja | maj 27, 2026
Naukowcy wprowadzają MM-CreativityBench – benchmark oceniający zdolność dużych modeli multimodalnych do kreatywnego rozwiązywania problemów w fizycznie ograniczonych środowiskach wizualnych. Sprawdza, czy modele potrafią niestandardowo wykorzystywać przedmioty, co...
