Vision, image, video, audio and speech models and applications.相关内容 15 · 采集渠道 9 · 上次同步 2026/10/28
近14天围绕“多模态 AI”出现可追溯的主题进展，当前聚类暂以候选标题作为证据，代表性候选包括：Muse Spark Open；EGCForest: Structured Agent Memory Organization ；EmbeddingGemma 2: An open, lightweight multimoda等。
AllenAI 在 GitHub 上发布开源工具 olmocr，用于将 PDF 文档线性化处理以适配大语言模型数据集构建与训练，面向 LLM 研究人员与社区开发者。