演讲主题

蚂蚁多模态大模型研发实践

介绍蚂蚁集团在百灵多模态大模型的核心技术与应用，包括Ling-VL、Ming-Omni系列模型上的实践与思考。解析百灵多模态在技术前沿的路径选择，从音、视、图、文的全模态模型，到面向真实任务的原生多模态训练与多模态Agent能力全面优化。内容大纲如下： 1. 百灵多模态已开源的系列模型，以及技术路径的演进； 2. Ling-VL系列，面向真实任务的原生多模态模型； 3. Design Assistant，面向设计的图像生成； 4. 语音领域能力的升级，包括语音理解、生成，以及端到端语音交互模型； 5. Ming-Omni系列模型的技术创新。