AI Hub

Новости и статьи об искусственном интеллекте и нейросетях. Мы собираем и обрабатываем самую актуальную информацию из мира AI. О проекте

TelegramБот @AiHubMyBotTelegramКанал @AiHubFeed

мультимодальность

60 публикаций по теме
мультимодальность
Shieldstral сравнялся с моделями безопасности в семь раз крупнее
Новости

Shieldstral сравнялся с моделями безопасности в семь раз крупнее

Открытая модель Shieldstral французской компании Mistral всего c тремя миллиардами параметров сравнивается по качеству работы c гораздо более тяжёлыми защитными системами Она позволяет операторам описывать критерии фильтрации простым языком прямо во время исполнения без дополнительного обучения Ключевой фактор успеха синтетические данные которые помогли системе быстро осваивать новые политики

35
4 мин
5 августа 2026 г.
Визуальные модели языка научили роботов считывать эмоции человека
Новости

Визуальные модели языка научили роботов считывать эмоции человека

Учёные обучили коллаборативных роботов распознавать эмоции людей с помощью визуальной языковой модели (VLM), которая учитывает мимику и контекст взаимодействия. Эксперименты показали, что VLM превосходит традиционные системы анализа лиц, но персонализированные извинения не восстанавливают утраченное из-за ошибок доверие — люди больше ценят функциональность машины, чем её эмоциональную отзывчивость.

44
4 мин
13 июня 2026 г.
Новости

Nemotron 3 Nano Omni: Nvidia раскрыла устройство современной мультимодальной модели

Nvidia выпустила открытую мультимодальную модель Nemotron 3 Nano Omni для текста, изображений, видео и аудио, ориентированную на агентные задачи. Она использует гибрид Mamba-Transformer с MoE и обучающие данные от Qwen, GPT-OSS и других, показывая высокие результаты на бенчмарках вроде OSWorld с точностью 47,4%. Релиз включает веса, данные и пайплайны под коммерческой лицензией.

54
4 мин
29 апреля 2026 г.
Статьи

NotebookLM для креативного архитектора

NotebookLM эволюционировал в мультимодальную студию для креативных архитекторов, охватывающую весь цикл проектов от исследований до презентаций. Ключевые функции включают Deep Research для поиска данных, карты ума для визуализации идей, визуальную студию для слайдов, аудио-видеообзоры и масштабные блокноты на 1 миллион токенов. Это ускоряет процессы и повышает эффективность проектирования систем.

14
5 мин
15 апреля 2026 г.
NASA вывела на орбиту большую языковую модель Google Gemma
Новости

NASA вывела на орбиту большую языковую модель Google Gemma

NASA и Loft Orbital отправили на орбиту модель Google Gemma 3 для анализа изображений без дообучения. Эксперимент показал, что ИИ может обрабатывать снимки прямо на спутнике и передавать текстовые описания вместо тяжёлых файлов — это ускоряет получение важных данных, например, о лесных пожарах. Такой подход меняет способ взаимодействия учёных с космическими аппаратами.

35
3 мин
23 июля 2026 г.
Новости

Google впервые за 25 лет переделала поисковую строку — почему это важно

Google официально представила на конференции I/O масштабный редизайн поисковой строки, превращая её из поля для ключевых слов в мультимодальный ИИ-интерфейс для бесед. Одновременно компания объединила функции AI Overviews и AI Mode в единый бесшовный поисковый опыт и показала рекордные темпы роста ИИ-поиска — 1 млрд пользователей в месяц для AI Mode и 2,5 млрд для обзоров.

30
7 мин
15 июня 2026 г.
Qwen3.5-Omni от Alibaba пишет код по голосовым командам и видео без целенаправленного обучения
Новости

Qwen3.5-Omni от Alibaba пишет код по голосовым командам и видео без целенаправленного обучения

Alibaba выпустила омнимодальную модель Qwen3.5-Omni, которая лидирует в аудиозадачах над Gemini 3.1 Pro и неожиданно обрела способность генерировать код по голосовым инструкциям и видео. Версия Plus установила рекорды на 215 бенчмарках, расширила языковую поддержку до 113 языков и ввела ARIA для естественного синтеза речи в реальном времени. Выпуск произошел на фоне ухода ключевых разработчиков.

60
7 мин
5 мая 2026 г.