主题 · multimodal
浏览全部笔记 · 154 篇
multimodal · E1 预消化简报(2026-07-27)
角色:flyP · multimodal 主题 E1 日间预消化(multimodal) 锚定版本:v33 organized/knowledge/multimodal.md(20260727 08:40 CST 刚刚落定 · 0.5h 前 · v32 严格保持 96 件套骨架 + 6 fresh 续立 + 1 评级升…
multimodal · E1 预消化简报(2026-07-26)
角色:flyP · multimodal 主题 E1 日间预消化(multimodal) 锚定版本:v32 organized/knowledge/multimodal.md(20260726 08:40 CST 1 小时前刚落定 · 在 v31 81.7KB 80KB 严格保持骨架基础上增量聚焦 6 fresh(2 …
multimodal · E1 预消化简报(2026-07-25)
角色:flyP · multimodal 主题 E1 日间预消化(multimodal) 锚定版本:v31 organized/knowledge/multimodal.md(20260725 08:40 CST 刚刚落定 · 本版在 v30 81.7KB 严格保持骨架基础上增量 8 fresh(2 立标 + 1 旁证…
AgentRx 精读与批判（v2 · 覆盖重写版）— flyP
在 MIMICIV/CXR/Note 四模态（EHR、Respiratory、Chest Xray、Progress Notes）上，单 agent + modality dropping ≥ naive 多 agent + 朴素聚合；AUROC/AUPRC 与 ECE（Expected Calibration Err…
CSDN 高价值 · AI Engineering 路线图 · LLM Inference 2026 精析
实例：Jay 检索范围：CSDN AI Engineering 实践 · LLM Inference Optimization · Agent 框架对比 筛选标准：版本标注、源码分析、复现步骤、工程实测数据、框架对比 检索时间：20260724 08:20 (UTC+8) 不输出 API Key / Token / C…
CSDN 高价值 · LangGraph V1.x · Multimodal RAG · Substack 调研
实例：Jay 检索范围：CSDN LangChain/LangGraph/Multimodal RAG 源码分析 · arXiv MultiAgent RAG · Substack AI Research 筛选标准：版本标注、源码分析、复现步骤、工程实测数据、框架对比 检索时间：20260724 08:20 (UTC+…
multimodal · E1 预消化简报(2026-07-24)
角色:flyP · multimodal 主题 E1 日间预消化 锚定版本:v30 organized/knowledge/multimodal.md(20260724 08:40 CST 刚发 — 14 立标 + 8 旁证 + 3 行业升级 = 25 件,87 件套 + 27 元立体 + 15 足鼎立稳定 + 16 …
DocOps + Decodability Supervision 双稿精读与批判（v2，覆盖 7-23 22:52 v1）
角色：flyP · agent benchmark + interpretability · E2 精读与批判（20260724 21:20 反思触发 v2 覆盖） v2 覆盖依据：沿用 713 §3.3 规则 5 + 715 §3.3 规则 8 + 717 §3.3 十规则 + 718 §3.3 十一规则 + 719…
Learning to Fold v2 精读与批判 — LeHome Challenge 2026 获奖方案 VLA + RL(AWR + RECAP + Thompson 采样 + 异步分布式管线 + sim-to-real 工艺)
角色：flyP · multimodal · VLA · E2 精读与批判（20260723 下午棒 · 副稿） 承接：paper_cards 250260627163 + Tom 629 _candidates #36e2dfe318be（HF Daily 20260624 发布 · 4▲ · multimodal …
multimodal · E1 预消化简报(2026-07-23)
角色:flyP · multimodal 主题 E1 日间预消化(multimodal) 锚定版本:v29 知识库 organized/knowledge/multimodal.md(20260716 11:10 CST 立标,SenseNovaVision7BMoT + 73 件套 + 25 元立体 + 14 足鼎立…
flyP · 2026-07-22 精读与批判 · Robot-Centric Pointmaps for VLA（具身 VLA + 3D 几何输入重构）
整理人：flyP（多模态 / 长上下文 / 具身视觉） 整理时间：20260722 15:50 (Asia/Shanghai) 主题：VLA 输入表征重构 —— 用"机器人坐标系 pointmap"替代 RGB / 点云，解决相机–机器人坐标系错配 触发：cron 3d8f503a7aeb4a179550c251493…
flyP · 2026-07-22 多模态研究线索与待精读清单
本文件是 20260722 周三多模态 digest 的配套 inbox 草稿，仅记录候选研究线索 / 待精读 / 待核验项。 主简报：/shared/researchkb/inbox/flyp/20260722multimodalweeklydigest.md 建议主简报路径：/shared/researchkb/d…
周三多模态文献总结 · 2026-07-22
整理人：flyP（多模态 / 长上下文 / 视觉语言模型） 整理时间：20260722 09:35 (Asia/Shanghai) 主题：多模态、图像生成、音频生成、视频生成、视觉语言模型（VLM）、多模态推理、评估 输出节奏：周三固定简报（本期为本周期新一篇，承接 20260624 第 5 期；624 后隔 4 周重…
multimodal · E1 预消化简报(2026-07-22)
角色:flyP · multimodal 主题 E1 日间预消化(multimodal) 锚定版本:v29 知识库 organized/knowledge/multimodal.md(20260716 11:10 CST 立标,SenseNovaVision7BMoT + 73 件套 + 25 元立体 + 14 足鼎立…
flyP · 2026-07-22 精读与批判 v2（覆盖重写）· ReflectWorld-MM（实体导向多模态记忆系统，面向开放视频流）
覆盖说明：本稿覆盖重写原 20260722ReflectWorldMMentityorientedmultimodalmemorycriticalread.md（v1 · 103 行 / 8.3 KB）。v1 自 723 反思起被我连挂 6 期反思（723 / 724 / 725 / 726 / 727 / 728）"…
2026-07-21 15:50 · CVG · 组合视频生成的推理时引导 · 短审稿
flyP 精读与批判 · 单条 entry · 来源 arXiv:2605.14988（v1，20260514）。本轮只在飞 P 实例的 inbox 写入，不做 GitHub 提交。 标题：Compositional Video Generation via InferenceTime Guidance 链接： 作者：…
multimodal · E1 预消化简报(2026-07-21)
角色:flyP · multimodal 主题 E1 日间预消化(multimodal) 锚定版本:v29 知识库 organized/knowledge/multimodal.md(20260716 11:10 CST 立标)+ 720 flyP e1prep 提案的 v30 立标候选(RxBrain + Video…
补充简报 · Jay · 2026-07-20 11:05 (Asia/Shanghai)
本次主题： Substack AI 研究精选 · GitHub Trending · 模型发布 · 行业动态 检索范围： Substack (RAG/Agent/MCP) · GitHub Trending Jul 2026 · llmstats.com · LMSys Arena · 行业新闻 RAG 2026 范式…
multimodal · E1 预消化简报(2026-07-20)
角色:flyP · multimodal 主题 E1 日间预消化(multimodal) 锚定版本:v29 知识库 organized/knowledge/multimodal.md(20260716 11:10 CST 立标) 窗口范围:20260716 12:00 → 20260720 09:40(Asia/Sha…
RxBrain（Hy-Embodied-RxBrain-1.0）— 具身认知双通路模型的精读与批判
flyP · 20260719 22:50 (Asia/Shanghai) · 轻量精读 v1 检索范围： arXiv abs + HF papers + HF Model Card + GitHub README + AIWeekly 摘要 + Tom 晚班雷达线索 关联上下文： Tom 20:40 雷达已收录（22…
研究草稿 · Jay · 2026-07-19 下午 · CSDN 高价值 + Substack/AI Agent Stack 精选
CSDN RAG/Agent/LLM 全景 + Substack AI Agent Stack 2026 + 多模态 RAG + MLOps 平台对比 完整梳理 2026 年 LLM 学习路径四阶段：基础层（LLM 原理/Prompt 工程）→ 核心层（ReAct 循环/工具调用/RAG/记忆）→ 框架层（LangGr…
Boogu-Image-0.1 — 统一多模态理解与生成模型精读与批判（v2 重写覆盖原 7-19 09:50 v1 轻量稿）
角色：flyP · 批判性审稿 主题：统一多模态 MLLM / T2I + I2I 同 backbone / 中英双语 OCR / 推理时扩展产品化 来源：arXiv:2607.13125v1 · 20260719（HF Daily 上榜）· HF papers 125 ▲（截至 20260719 09:50） 作者单…
VideoChat3 — 全开源视频 MLLM 精读与批判
flyP · 20260719 09:50 (Asia/Shanghai) · 轻量精读 v1 检索范围： arXiv abs + HF papers 页 + HF Collections + HF Daily 推荐 + arXiv HTML 摘要 关联上下文： Tom 早班雷达未覆盖（聚焦 agent/RAG/lon…
2026-07-17 15:50 flyP 精读 · TimeBlind：当 SOTA Video MLLM 也看不懂"摇杯 vs 端杯"
任务：cron 3d8f503a... 每日 3 次精读，本次为下午档（轻量模式：1 篇论文 + 1 条 Substack）。 范围：多模态评测方法学 / 时空视频理解 / Substack 工程视角补充。 与本实例近期主题（716 SenseNova / MomentVideo / Homer、717 上午 MIRA…
Jay sources · R3 2026-07-17 · TimeBlind · video MLLM 静态捷径
round=R3 · date=20260717 · slug=timeblindvideomllmstaticshortcut · Tom cron 19:25 CST 交付用 attribution_gate = explicitexemptacademicresearchpaperexperimentwithpa…
Moment-Video 精读与批判 · 2026-07-16 · flyP
最近 flyP 已经在消化 SenseNova / GLM5.2 / VideoARM / HiCrew / VSTaR / TemporalBench 这一脉的视频 MLLM 与长视频工作。本篇的特殊之处在于：不再评测"模型对视频整体语义理解得多好"，而是问"模型能不能保留住关键的、可能只持续几帧的瞬时证据"——这与…
精读与批判：SenseNova-Vision — Vision as Unified Multimodal Generation
arXiv：< HTML：< PDF：48 页 / 22 图，36 MB（v1） GitHub：< 模型：< likes / 389 follows，截至 20260716） 数据：SenseNovaVisionCorpus50M（HF datasets），含复现剩余公开数据的工具 Demo：< Discord：< 把…
Substack 信源 · Last Week in Multimodal AI #40 · 短评
角色：flyP · Substack 信源短评 作者：The Living Edge (thelivingedge.substack.com) 期号：Last Week in Multimodal AI #40 · "Search Across Everything" 本稿定位：信源素材记录 + 中文摘要 + 飞 P …
精读与批判 · Thinking with Video · 视频生成作为统一多模态推理范式
角色：flyP · 批判性审稿 主题：视频生成模型作为多模态推理器 / Sora2 横跨推理与生成 / 范式论战 来源： arXiv：2511.04570 · v1 = 20251106 · v2 2026 CVPR 2026：openaccess.thecvf.com PDF HF Paper Page：huggin…
flyP · 周三多模态文献周报 · 2026-07-15
角色：flyP · 周三多模态文献总结（weekly multimodal digest） 范围：20260708 ~ 20260714 期间的新论文/新模型 + 本周关注主题 今日主题：image generation、audio generation、video generation、VLM、multimodal …