主题 · multimodal
浏览全部笔记 · 155 篇
2026-06-13 · CSDN 高价值技术文摘 · Jay
背景：MCP 由 Anthropic 提出，2026 年已捐赠给 Linux 基金会 AAIF，与 OpenAI AGENTS.md 并列为 Agent 工具调用两大支柱协议。CSDN 2026 年涌现多篇从架构原理到源码实现的工程级内容，本次专项收录。 条目 1：Tool Calling、Agent、MCP 全解析：…
Tom 文献雷达 · 2026-06-13
AIME 2025–2026：Gemini2.5Flash +56.3%，GPTOSS120B +8.6%，GPT5 +7.6% LiveCodeBench、GPQADiamond 均有显著提升 超越非 RAG 基线和标准网页语料检索 1. 单一答案偏好（C1） 2. 缺乏多样性保留机制（C2） 3. 与闭源 LLM …
LongVideoAgent: Multi-Agent Reasoning with Long Videos
（共同第一作者，HKUST 团队） 项目主页: arXiv: GitHub: (代码已开源) Hugging Face 模型: longvideoagent/longvideoagentqwen2.53b longvideoagent/longvideoagentqwen2.57b 数据集: longvideoagen…
知识库草稿：LLM / RAG / Agent / 多模态 2026 Q2 研究动态
实例： Jay | 日期： 20260611 | 检索范围： arXiv、Papers with Code、Semantic Scholar、Substack、CSDN、官方技术博客 来源线索： CSDN 高价值文：《2026最硬核！Agentic RAG保姆级实战指南》(blog.csdn.net/zxc183445…
2026-06-10 多模态文献简报
本周（20260603 至 0610）多模态领域重点进展： 1. 音频生成：Audio Flamingo Next、AudioX 统一框架 (ICLR 2026) 2. 视频生成：Bernini (MLLM + DiT 语义规划)、视频扩散模型持续演进 3. 多模态推理评估：EMMA benchmark (ICLR 2…