Qwen2-VL：阿里巴巴云计算团队开发的多模态大型语言模型系列

Qwen2-VL：阿里巴巴云计算团队开发的多模态大型语言模型系列，具备处理各种分辨率和比例的图像、理解超过20分钟视频、操作移动设备和机器人、以及支持多语言文本理解等多项先进功能。

参考文献：
[1] http://github.com/QwenLM/Qwen2-VL
[2] https://huggingface.co/collections/Qwen/qwen2-vl-66cee7455501d7126940800d
[3] https://modelscope.cn/organization/qwen?tab=model
[4] https://qwenlm.github.io/blog/qwen2-vl/
[5] https://huggingface.co/spaces/Qwen/Qwen2-VL
[6] https://help.aliyun.com/zh/model-studio/developer-reference/qwen-vl-api

来源：NLP工程化

0赞

好文章，需要你的鼓励

拳打DeepSeek R1，比肩GPT-5，百度文心X1.1真有这么强？

如何让AI像电影配乐师一样创作完整的长篇音频故事——腾讯ARC实验室团队AudioStory突破性进展

音频生成

大语言模型

多模态AI

2025-09-10

如何让AI像电影配乐师一样创作完整的长篇音频故事——腾讯ARC实验室团队AudioStory突破性进展

腾讯ARC实验室推出AudioStory系统，首次实现AI根据复杂指令创作完整长篇音频故事。该系统结合大语言模型的叙事推理能力与音频生成技术，通过交错式推理生成、解耦桥接机制和渐进式训练，能够将复杂指令分解为连续音频场景并保持整体连贯性。在AudioStory-10K基准测试中表现优异，为AI音频创作开辟新方向。

人工智能

在线教育

AI评分系统

2025-09-10

Coursera推出AI面试官帮用户练习求职面试

Coursera在2025年连接大会上宣布多项AI功能更新。10月将推出角色扮演功能，通过AI人物帮助学生练习面试技巧并获得实时反馈。新增AI评分系统可即时批改代码、论文和视频作业。同时引入完整性检查和监考系统，通过锁定浏览器和真实性验证打击作弊行为，据称可减少95%的不当行为。此外，AI课程构建器将扩展至所有合作伙伴，帮助教育者快速设计课程。