#多模态
跨栏目找相关项:同一话题的工具、提示词、论文,可能横跨数天甚至数月才凑齐。
#多模态
今日 0 条图像 · 工具·提示词·论文 三栏速览
每栏 2 / 6 · 直达分类页查看全部
提示词
6 条当用户的某个意图（如last_intent）尚未处理完成时，自动提示用户并继续处理该业务。
写作cloud.baidu.com为电商平台机器人客服提供开场白、常见问题回复和结束语的话术模板参考。
写作insight.xiaoduoai.com智能客服机器人与访客互动的对话模板（欢迎新访客、欢迎回头客、显示常见问题等）。
写作zhuanlan.zhihu.com服装加工合同模板，含甲乙双方信息及加工委托条款
写作xiaobaogong.com用于合同审查场景，让大模型扮演特定行业、特定立场的合同审查专家，平衡利益与风险。
研究blog.csdn.net帮助分析患者症状，提供可能的诊断方向和建议，适用于初步诊断筛查。
研究cgwgpts.com
论文
6 条The DecoderAI 评分2424 Reka AI 发布全能模型 Rho-1，单一网络处理文本、图像、视频与机器人控制
Reka AI 发布研究预览版全能模型 Rho-1，采用 190 亿参数（19-billion-parameter）单一神经网络，同时处理和生成文本、图像、视频与机器人控制动作，所有模态作为 token 在同一上下文窗口中运行，无需工具调用。模型可实时生成连续视频并即时响应新指令，同一批权重既预测摄像头图像又驱动机器人运动；训练在 320 块 H100 GPU 上历时约三个月完成。
Google ResearchAI 评分5959 Google发布Diffusion Controller：统一并简化AI图像生成控制
Google Research提出Diffusion Controller框架，将图像生成的去噪过程重新定义为连续控制问题。该框架通过轻量级的“转向阻尼器”网络实现对生成轨迹的动态调整，可在不修改基础模型的情况下控制生成结果。在Stable Diffusion v1.4上的实验显示，灰盒版本在HPS-v2胜率上优于LoRA，白盒版本相较基线模型达到90%胜率。
OpenAI NewsAI 评分4545 OpenAI 推出 ChatGPT Images 2.5
ChatGPT Images 2.5 帮助用户将想法、草图和参考照片转化为更个性化、更精致的图像，更好地呈现用户的创意构思。该版本相较前代在图像细节和个性化程度上有显著提升。
Google DeepMind精选AI 评分7676 Google DeepMind 发布 Gemini Omni 1.1 Flash
Google DeepMind 发布 Gemini Omni 1.1 Flash，带来场景扩展、首尾帧插值、360p 快速预览和 4K 超分辨率等创意控制功能。新模型支持最长 40 秒视频生成，可在 Google AI Studio 和 Agent Platform API 中使用，也可通过 Google AI Plus、Pro 和 Ultra 订阅在 Google Flow 中访问。
推荐理由：提供了具体的性能提升数据和可用性信息，读者可以评估新模型对自己工作流的实际价值。
Mistral AI精选AI 评分7575 Mistral 推出 OCR API，基准测试超越 Google、Azure 和 GPT-4o
Mistral 发布新的 OCR API Mistral OCR，可处理图像和 PDF 并提取交错文本和图像，在基准测试中超越 Google Document AI、Azure OCR、Gemini 和 GPT-4o。定价为每美元 1000 页，单节点处理速度最高达每分钟 2000 页，支持多语言文档理解，现已在 Le Chat 免费试用，API 已上线 la Plateforme。
推荐理由：原文给出了具体定价、基准测试对比和可用入口，读者可以据此评估它与现有 OCR 方案的差异。