阿里开源R1-Omni，多模态情感识别
阿里巴巴通义实验室开源多模态情感识别模型R1-Omni，采用强化学习与可验证奖励（RLVR），在MAFW和DFEW数据集上分别取得40.04%和56.27%的WAR。该方法避免了复杂奖励模型依赖问题，通过直接利用任务内在正确性标准设计奖励函数，提高情感识别准确性和可靠性。
AIGC开放社区
上海交通大学发布“明岐”多模态大模型 突破消化道罕见病诊断瓶颈
上海交通大学举办AI赋能精准诊疗创新发展学术会议，发布具备消化道罕见病精准诊断能力的多模态大模型矩阵‘明岐’，提升诊疗效率与精准度。该模型采用双驱动架构，并通过多模态深度学习整合医学数据，实现可视化决策支持系统和透明诊断舱机制。
反击DeepSeek失败！Llama 4效果不好，Meta承认有问题
今天凌晨
1
点半，Meta生成式AI领导者Ahmad Al-Dahle在社交平台回应了前天开源的Llama 4被质疑的问题。Meta否认在测试集上进行预训练，并表示会修复漏洞提升模型性能。然而，国内媒体以Meta新开源的Llama 4 Maverick代码能力比肩其V3模型为噱头写标题。Meta随后发布声明，澄清质量差异因优化需要时间，并称不会在测试集上预训练。多位网友质疑Llama 4的实际表现低于预期，认为Meta可能在测试中进行了篡改。
企业级AI实战内训课程 DeepSeek全景学习指南
如何破解企业AI落地困局？多业务线并发场景响应延迟超阈值、行业专有语义理解准确率不足82%等问题。企业需要的是基于深度行业理解的AI工程化体系，涵盖五大课程模块，解决痛点与需求。
1000万上下文！新开源多模态大模型，单个GPU就能运行
Meta 最新开源模型 Llama 4 Scout 达到千万级上下文，拥有 1090 亿参数。其使用 NoPE 架构解决长度泛化问题，并通过优化训练流程和强化学习框架提升性能。
