从微信WeMM-Embedding看：OCR、原图向量到子图多向量，谁是信息图检索最优解
从微信WeMM-Embedding看：OCR、原图向量到子图多向量，谁是信息图检索最优解前不久，微信视觉团队开源了WeMM-Embedding。
来自主题: AI技术研报
8989 点击 2026-09-17 14:55
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
前不久，微信视觉团队开源了WeMM-Embedding。
当 AI Agent 开始连续数小时替人工作，真正有价值的就不只是最终成果，还有藏在会话（Session）里的整个过程：它做过什么、哪里失败、为何改变方向。
大模型一定要一个 token 接一个 token 地生成文字吗？
最近我的Codex额度，已经烧到我有点用不起的程度了。
Seedance 2.5 让我这个半吊子的AI视频创作者都能上瘾玩上一个多月，就不用再多余说表现有多强了吧。
机器人打拳跳舞火了一年，它什么时候才能替我们上班？
一个 Agent 第一次没把任务做对。
随着 Genie 3 的发布，可交互世界模型真正走到台前：用户不再只是观看生成视频，而是可以输入动作实时改变一个持续演化的世界。世界模型开始从「生成一段视频」走向「模拟一个可交互世界」，但能走进去，不等于经得起探索。模型能否持续响应控制、维持视觉与空间一致、遵守物理规律并记住来路，仍缺少系统评测。
忍！不！了！了！ 你老A社天天一会儿AI要失控、一会儿互联网要完蛋，转头自己IPO、融资、扩算力，一个都没耽误？？
“智能并不局限于大脑内部。当我们使用纸笔或地图来梳理复杂问题时，这些外部工具就成为了我们‘延展的心智’。”