多模态大模型
新范式，自回归大一统！北大提出VARGPT：单一框架实现视觉「理解」与「生成」
北大团队提出VARGPT模型，通过单一自回归框架实现视觉理解与生成。其创新设计包括引入视觉解码器、多尺度图像分词器和特征投影器，并采用三阶段训练策略优化性能。
上手智谱GLM-PC ：帮你抢春运票、发微信，还不用付200美元，有它还要啥OpenAI的Operator
文章介绍了智谱研发的智能体AutoGLM和GLM-PC，它们能够通过简单的文字/语音指令模拟人类操作手机、电脑等设备，并展示在不同场景下的应用效果。GLM-PC支持移动端和PC端联动，可远程控制电脑完成多任务处理，甚至参与抢票和购买年货等活动。
具身智能行业发展研究报告 智库
2024年具身智能成为科技领域焦点，多模态大模型和世界模型推动技术发展与应用落地。特斯拉Optimus、Google DeepMind等进展显著，国内企业如宇树科技、优必选在工业及服务机器人领域取得突破。未来工业制造、物流等领域将受益，甲子光年智库发布研究报告深入分析具身智能行业发展前景。
GPT-4o级开源模型来了！MiniCPM-o：多语种情感控制的实时对话、仅8B、华人团队
华人团队发布的MiniCPM-o 2.6多模态大模型在视觉和语音方面表现优异，参数量仅8B。其平均得分70.2，在OpenCompass评测中支持1344×1344高分辨率图像处理，并能实时识别双语语音，且支持30多种语言。
