标签：multimodal-learning
-
Mistral 首席科学家 Pierre Stock 访谈：主权 AI、万亿参数模型与未来智能体
The MAD Podcast with Matt Turck
Mistral 首席科学家 Pierre Stock 阐述了开源 AI 对技术主权的重要性，类比电力供应的不可切断性。文章深入解析了 Mistral Large 4 的原生多模态架构、混合专家模型优势及推理模式设计，并展望了 Mistral Large 5 在网络安全等复杂场景下的智能体应用前景。 -
MiniMax M3 架构解密：稀疏注意力机制与原生多模态端到端训练
AI Engineer
MiniMax 强化学习研究员 Olive 深入剖析了开源前沿模型 MiniMax M3 的技术实现。重点详解了软硬件协同设计的稀疏注意力机制 MSA 如何在 GQA 下实现 100 万超长上下文的高效扩展，并分享了从零开始原生预训练多模态模型以避免文本能力受损的探索历程与 3D ViT 设计实践。 -
MiniMax与百万上下文Agent：原生多模态与稀疏注意力架构解析
AI Engineer
Hugging Face联合创始人Thomas Wolf对话MiniMax研究员Olive Song，深度拆解MiniMax开源模型M3的技术内核。对话深入探讨了100万至千万级超长上下文在复杂多轮Agent交互中的必要性、MSA稀疏注意力机制的架构设计与算力优化、从预训练初始阶段即引入图像与视频的原生多模态训练方法，以及内部自研Research Harness推动AI自我迭代的工程实践。 -
机器人触觉的爆发前夜：五大技术路线、数据困局与模型之争
硅谷101
深入探访机器人触觉感知前沿实验室，全面剖析触觉作为具身智能最后一块拼图的核心价值。深度梳理压阻、压电、电容、光学（视触觉）及磁感应五大硬件路线的优劣取舍，揭示真实数采悖论与仿真合成破局之道，并深度拆解触觉在端到端大模型与异步专家架构（MoT）中的前沿演进与规模化量产挑战。 -
Google DeepMind 的开源 AI 战略与 Gemma 模型解析
Latent Space
本访谈由 Omar Sanseviero 深入解析了 Google DeepMind 的开源模型 Gemma 4 系列，重点介绍了其在高效参数利用、端侧部署能力、多模态性能以及研发背后的工程协作与开源社区生态，并探讨了文本扩散模型的前景及模型微调趋势。