多模态DeepSeek来了，北大港科联合发布Align-DS-V
如何将全模态大模型与人类的意图相对齐，已成为一个极具前瞻性且至关重要的挑战。
在当前AI领域的快速发展中，“强推理慢思考”已经成为主要的发展动向之一，它们深刻影响着研发方向和投资决策。如何将强推理慢思考进一步推广到更多模态甚至是全模态场景，并且确保和人类的价值意图相一致，已成为一个极具前瞻性且至关重要的挑战。
多模态LLM多到看不过来？先看这26个SOTA模型吧
多模态大型语言模型进展如何？盘点 26 个当前最佳多模态大型语言模型。
当前 AI 领域的关注重心正从大型语言模型（LLM）向多模态转移，于是乎，让 LLM 具备多模态能力的多模态大型语言模型（MM-LLM）就成了一个备受关注的研究主题。
全模态RAG突破文本局限，港大构建跨模态一体化系统
突破传统检索增强生成（RAG）技术的单一文本局限，实现对文档中文字、图表、表格、公式等复杂内容的统一智能理解。
香港大学黄超教授团队开源多模态智能处理系统RAG-Anything，将碎片化的信息孤岛转化为结构化的知识网络，为智能多模态文档分析开辟了全新技术路径。
Meta新突破！跨模态生成告别噪声：流匹配实现任意模态无缝流转
在人工智能领域，跨模态生成（如文本到图像、图像到文本）一直是技术发展的前沿方向。现有方法如扩散模型（Diffusion Models）和流匹配（Flow Matching）虽取得了显著进展，但仍面临依赖噪声分布、复杂条件机制等挑战。
近期，Meta 与约翰霍普金斯大学联合推出的 CrossFlow 框架，以全新的技术路径实现了跨模态生成的突破性进展，为生成式 AI 开辟了更高效、更通用的可能性。该文章已经被 CVPR 2025 收录为 Highlight。
