#multimodal agents

11 stories · 0 in 7 days · 0 in 30 days

Magic9 1 WorldAuditBench 1 benchmarks 1 visual reasoning 1

Stories, products and papers tagged "multimodal agents", newest first.

Oct 1

Papers Builders11:06

Chinese contentWorldAuditBench：多模态智能体3D世界审计基准

这个新基准测试了AI在3D世界中寻找异常的能力，结果显示当前模型表现远不如人。

#WorldAuditBench #multimodal agents #visual reasoning #benchmarks

arXiv cs.AI@Ziyan Jiang et al. (8)Source

Sep 15

Models China to ASEAN22:44

Chinese content荣耀 AgenticOS 亮相，10 月面向 Magic9 系列用户开放尝鲜招募与推送

你朋友可能对荣耀新系统感兴趣，10月针对Magic9系列用户开放尝鲜，可以试试这个新系统。

#Magic9 #multimodal agents

IT之家Source

Aug 3

Papers09:14

Chinese content超越检索：多模态智能体的分析记忆框架AdaMM

AdaMM让智能体能对历史多模态观测做筛选、聚合和排序，不止检索。MemEye、MemGallery上比现有高11.3%和7.3%，适合多模态记忆研究者。

#AdaMM #multimodal agents #MemEye #MemGallery

arXiv cs.AI@Zhoujin Tian et al. (7)Source

Jul 1

Papers10:11

Chinese contentMECoBench: 多模态智能体在具身环境中协作的系统研究

想研究多模态智能体怎么合作干活？MECoBench 用一堆模型做了系统实验，结论直接告诉你协作和通信到底有没有用。

#MECoBench #MLLM #multimodal agents #embodied AI

arXiv cs.AI@Qingyun Liu et al. (5)Source

Jun 30

Papers11:43

Chinese contentManimAgent：用于视觉教育的自进化多模态智能体

这篇论文提出了ManimAgent，它能通过经验记忆自我进化，生成数学动画代码时效果比基线方法好很多。

#ManimAgent #Manim #multimodal agents #code generation

arXiv cs.AI@Wenjia Jiang et al. (10)Source

Jun 12

Models US vs ChinaSelected13:23

Chinese contentGLM-5V-Turbo 技术报告：迈向原生多模态智能体基础模型

做多模态智能体开发的团队可以看看 GLM-5V-Turbo 在工具链和框架集成上的设计思路，尤其是视觉工具使用和多模态编程的强化学习方案，值得参考。

#GLM-5V-Turbo #multimodal agents #reinforcement learning #toolchain

Official accountZ.ai (智谱国际)@Zai_orgSource

Papers09:08

Chinese contentIterCAD：多模态智能体实现闭环交互式CAD生成与编辑

CAD 工程师和设计自动化研究者终于有了一个能闭环迭代的智能体——IterCAD 解决了传统一次生成与真实迭代流程脱节的问题，做工业设计和 AI 辅助制造的团队可以直接用其数据合成和评估方法。

#multimodal agents #reinforcement learning

arXiv cs.AI@Tao Hu et al. (15)Source

Jun 2

PapersSelected72°12:02

Chinese contentHLL 基准测试：AI 智能体能否突破人类验证的最后防线？

CAPTCHA 是 AI 替代人类操作的最后一道门槛，做智能体自动化或 GUI 操作的团队可以用 HLL 测试自家模型的实际突破能力，结果可能会让你重新评估部署策略。

#multimodal agents #CAPTCHA #benchmarks #human-computer interaction

arXiv cs.LG@Xinhao Song et al. (9)Source

Products10:52

Chinese contentGoogle I/O 后周末黑客松：用 Gemini 3.5 Flash 构建多模态智能体

想看看 Gemini 3.5 Flash 在真实场景中能跑多远？这场黑客松的获奖项目就是最好的参考——做多模态应用或语音交互的开发者值得关注这些实战案例。

#Gemini 3.5 Flash #hackathons #multimodal agents

Google AI Developers@googleaidevsSource

May 15

PapersMulti-sourceSelected10:02

Chinese contentMediaClaw：基于OpenClaw的多模态智能体平台技术报告

做多模态 AI 应用或 AIGC 平台架构的团队，可以直接参考 MediaClaw 的三层抽象和插件化设计，解决能力碎片化和工作流复用难题，建议点开看看工程权衡细节。

#multimodal agents #AIGC #OpenClaw

Event

arXiv cs.AI@Shaoan Zhao et al. (12)Source

May 14

Products19:09

Chinese contentGoogle DeepMind 推出 AI 协同临床医生研究计划

医疗 AI 终于从“辅助”走向“协作”——多模态智能体有望真正减轻医护负担，做医疗 AI 或临床信息化的从业者值得关注。

#multimodal agents #medical AI #Google DeepMind

Official accountGoogle DeepMind@GoogleDeepMindSource