WorldVLA – 阿里达摩院联合浙大推出的自回归动作世界模型
WorldVLA是阿里巴巴达摩院和浙江大学联合推出的自回归动作世界模型，模型将视觉-语言-动作（VLA）模型与世界模型整合到一个单一框架中。模型基于动作和图像理解预测未来的图像，目的是学习环境的基本物理规律以改进动作生成。
19
0
2025-08-31
VideoLLaMA3 – 阿里达摩院推出的多模态基础模型
VideoLLaMA3 是阿里巴巴开源的前沿多模态基础模型，专注于图像和视频理解。基于 Qwen 2.5 架构，结合了先进的视觉编码器（如 SigLip）和强大的语言生成能力，能高效处理长视频序列，支持多语言的视频内容分析和视觉问答任务。
22
0
2025-08-31
RynnEC – 阿里达摩院推出的世界理解模型
RynnEC是阿里巴巴达摩院推出的世界理解模型 （MLLM），专门用在具身认知任务。模型能从位置、功能、数量等11个维度全面解析场景中的物体，支持物体理解、空间理解以及视频目标分割等功能。
23
0
2025-08-30
