AI在线 AI在线

通义实验室

性能逼近闭源最强，通义实验室开源Mobile-Agent-v3刷新10项GUI基准SOTA

性能逼近闭源最强，通义实验室开源Mobile-Agent-v3刷新10项GUI基准SOTA
覆盖桌面、移动和 Web，7B 模型超越同类开源选手，32B 模型挑战 GPT-4o 与 Claude 3.7，通义实验室全新 Mobile-Agent-v3 现已开源。 一眼看到实力：关键成绩速览。       备注：分数来源于公开基准，包括桌面 移动环境的任务规划、定位、推理、执行等全链路能力开源地址：：为什么 GUI Agent 要这么强？
9/2/2025 11:56:00 AM
机器之心
钉钉、通义实验室联合发布 Fun-ASR，新一代语音识别大模型亮相

钉钉、通义实验室联合发布 Fun-ASR，新一代语音识别大模型亮相
钉钉与通义实验室语音团队今日宣布，双方联手推出新一代语音识别大模型 Fun-ASR。 这款模型旨在为企业用户提供更强大、更灵活的语音转写能力。 Fun-ASR 大模型具备多项核心优势。
8/22/2025 1:34:02 PM
AI在线
一次中稿10篇ACL25，通义实验室 代码智能&对话智能团队 在研究什么

一次中稿10篇ACL25，通义实验室 代码智能&对话智能团队 在研究什么
近日，自然语言处理领域的国际顶级会议ACL 2025正在召开，通义实验室 代码智能&对话智能 团队10篇论文被 ACL 2025 录用，围绕着大语言模型的多轮强化学习、复杂指令遵循、多模态角色对话、代码智能、以及评测基准等前沿方向全面开花。 本文从中精选了8篇论文的内容进行系统介绍，以此来总结通义实验室代码智能&对话智能团队的前沿研究思考和进展。 团队也在大量招聘，详情见文章最后。
8/1/2025 3:58:00 PM
新闻资讯
通义实验室大火的 WebAgent 续作：全开源模型方案超过GPT4.1 , 收获开源SOTA

通义实验室大火的 WebAgent 续作：全开源模型方案超过GPT4.1 , 收获开源SOTA
WebAgent 续作《WebShaper: Agentically Data Synthesizing via Information-Seeking Formalization》中，作者们首次提出了对 information-seeking（IS）任务的形式化建模 并基于该建模设计了 IS 任务训练数据合成方法，并用全开源模型方案取得了 GAIA 评测最高 60.1 分的 SOTA 表现。 WebShaper 补足了做 GAIA、Browsecomp 上缺少高质量训练数据的问题，通义实验室开源了高质量 QA 数据！ WebShaper 体现了通义实验室对 IS 任务的认知从前期的启发式理解到形式化定义的深化。
7/29/2025 9:01:00 PM
机器之心
通义实验室、北大发布新技术ZeroSearch 让LLM检索能力激活，成本降低88%

通义实验室、北大发布新技术ZeroSearch 让LLM检索能力激活，成本降低88%
最近，通义实验室和北京大学的研究团队推出了一项名为 ZeroSearch 的创新框架，这一新技术可以在不需要真实搜索的情况下，激活大语言模型的检索能力，并且训练成本降低了惊人的88%。 这一突破为大语言模型的训练和应用提供了全新的思路。 传统的训练方法通常依赖于真实的搜索引擎来获取信息，这不仅造成了高昂的 API 调用成本，还可能因搜索结果的质量不稳定而影响模型的表现。
5/29/2025 2:00:56 PM
AI在线
通义实验室新研究：大模型自己「扮演」搜索引擎，提升推理能力无需搜索 API

通义实验室新研究：大模型自己「扮演」搜索引擎，提升推理能力无需搜索 API
强化学习（RL）+ 真实搜索引擎，可以有效提升大模型检索-推理能力。
5/17/2025 2:52:48 PM
清源
通义实验室又一位大佬出走！传应用视觉团队负责人薄列峰已离职，将任职另一大厂多模态模型负责人！

通义实验室又一位大佬出走！传应用视觉团队负责人薄列峰已离职，将任职另一大厂多模态模型负责人！
出品 | 51CTO技术栈（微信号：blog51cto）北京时间5月6日，据知情人士透露，阿里巴巴通义实验室应用视觉团队负责人薄列峰（title中不是阿里集团副总裁，所以职级应该为P10）已于4月30日低调离职。 有消息称他已经加入刚刚进行架构调整的某互联网大厂，担任多模态模型部副总经理，向公司副总裁汇报。 最早爆料该消息的公众号之一“互联网八卦小喇叭”发文表示：据可靠消息称：“薄老师于本月离职通义，即将进入某大厂担任多模态模型负责人”。
5/6/2025 4:03:20 PM
免费用！阿里通义大模型上新，超逼真音视频生成SOTA！

免费用！阿里通义大模型上新，超逼真音视频生成SOTA！
近日，阿里通义实验室推出了全新数字人视频生成大模型 OmniTalker，只需上传一段参考视频，不仅能学会视频中人物的表情和声音，还能模仿说话风格。 相比传统的数字人生产流程，该方法能够有效降低制作成本，提高生成内容的真实感和互动体验，满足更广泛的应用需求。 目前该项目已在魔搭社区、HuggingFace 开放体验入口，并提供了十多个模板，所有人可以直接免费使用。
4/15/2025 1:28:00 PM
机器之心
真假难辨！阿里升级AI人像视频生成，表情动作直逼专业水准

真假难辨！阿里升级AI人像视频生成，表情动作直逼专业水准
AIxiv专栏是AI在线发布学术、技术内容的栏目。 过去数年，AI在线AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。 如果您有优秀的工作想要分享，欢迎投稿或者联系报道。
2/16/2025 8:34:00 PM
机器之心
让大模型互联网「冲浪」，通义实验室WebWalker解锁复杂信息检索新技能

让大模型互联网「冲浪」，通义实验室WebWalker解锁复杂信息检索新技能
AIxiv专栏是AI在线发布学术、技术内容的栏目。 过去数年，AI在线AIxiv专栏接收报道了2000多篇内容，覆盖全球各大高校与企业的顶级实验室，有效促进了学术交流与传播。 如果您有优秀的工作想要分享，欢迎投稿或者联系报道。
1/27/2025 8:21:00 PM
机器之心
央视点赞国产AI复活召唤术，兵马俑竟与宝石老舅对唱Rap？

央视点赞国产AI复活召唤术，兵马俑竟与宝石老舅对唱Rap？
沉睡了两千多年的兵马俑，苏醒了？一句秦腔开场，将我们带到了黄土高原。如果不是亲眼所见，很多观众可能难以想象，有生之年还能看到兵马俑和宝石 Gem 同台对唱《从军行》。「青海长云暗雪山，孤城遥望玉门关。」古调虽存音乐变，声音依旧动人情：这场表演背后的「AI 复活召唤术」，叫做 EMO，来自阿里巴巴通义实验室。仅仅一张照片、一个音频，EMO 就能让静止形象变为惟妙惟肖的唱演视频，且精准卡点音频中的跌宕起伏、抑扬顿挫。在央视《2024 中国・AI 盛典》中，同样基于 EMO 技术，北宋文学家苏轼被「复活」，与李玉刚同台合
7/4/2024 6:01:00 PM
机器之心
  • 1