一、 活动简介

多模态模型正逐渐成为人们对自然世界理解和交互的重要工具。虽然多模态理解模型取得了显著进展，但在复杂场景的分析推理方面仍有诸多技术挑战。近期，多态Hunyuan-Larqe-Vision上榜国际知名平台LMArena Vision，获得国内模型第一名，排名全球第5(去除风格控制赛道)的成绩。本次技术分享将解析混元多态团队的技术进展，拆解Large-Vlsion模型背后的核心技术，展望多态模型的未来发展方向。

二、 组织机构

主办单位

清华大学电子工程系

协办单位

中国图象图形学学会成像探测与感知专委会

三、活动时间及地点

时间：2025年9月25日16:00-17:30

地点：清华大学罗姆楼9-208

四、日程安排

16:00-17:00 特邀报告《多模态理解模型关键技术》

15:00-15:30 交流讨论

五、特邀讲者

饶永铭是腾讯混元团队的高级研究员，分别于2018年和2023年在清华大学电子工程系和自动化系获得工学学士和博士学位。主要研究方向为多模态大模型，在机器学习和模式识别方向CCF-A会议期刊上发表论文50余篇，论文谷歌学术引用1万余次。获得CCF-CV学术新锐奖、斯坦福全球Top2%科学家等荣誉。

六、报名及注册要求

面向首都高校在校学生，以学校为单位发邮件到zhangyd20@mails.tsinghua.edu.cn

七、联系方式

张宇东 zhangyd20@mails.tsinghua.edu.cn

张卫强 wqzhang@tsinghua.edu.cn

陈健生 jschen@ustb.edu.cn