TimeOmni-o1 双向耦合时序基础模型与大模型做多模态推理
原文标题：TimeOmni-o1: Bidirectionally Coupling Time Series Foundation Models and LLMs for Multimodal Reasoning and Forecasting
重要度 3/5 · AI 综合评估报道影响力与新鲜度，4–5 分为高价值资讯。
论文提出 TimeOmni-o1，将预训练时序基础模型（TSFM）与大语言模型双向耦合：TSFM 压缩编码序列供 LLM 推理，LLM 的推理结果再回馈 TSFM 生成预测。作者构建含 50 万以上样本、覆盖 12 个领域的多模态时序推理数据集 MMTR。该模型在理解与预测任务上多数领域优于现有模型，并在三个公开基准上超过专用时序模型。
AI 处理过程展开/收起
相关推荐
蚂蚁灵波发布 LingBot-Touch 触觉基础模型并开源
AI 摘要蚂蚁灵波发布 LingBot-Touch 触觉基础模型，基于近 5000 小时真实触觉数据预训练，覆盖磁触觉、视触觉与压阻式三类传感原理，可将不同信号统一为同一套触觉表征。该模型补齐机器人精细操作所需的触觉感知，技术报告、模型与代码已在 Hugging Face、GitHub 和魔搭开源。
谷歌发布 Gemini Omni 1.2 Flash 视频模型，单段时长增至 15 秒
AI 摘要谷歌推出 AI 视频生成模型 Gemini Omni 1.2 Flash，原生支持最长 15 秒视频，较上一代提升 50%，并新增多轮对话式编辑能力。新模型增强了对参考内容的遵循，可在多镜头间保持角色、物体与场景一致性，减少视觉漂移。
OpenAI发布图像模型Images 2.6，生成提速50%并新增GIF功能
AI 摘要OpenAI发布图像生成模型Images 2.6，面向全球用户在ChatGPT、Codex及API开放。生成速度较上版提升50%，增强多轮编辑的细节与角色、产品、品牌一致性，并新增GIF循环动画生成。API提供Flare与Sunburst两个版本。
谷歌发布 EmbeddingGemma 2，五模态统一向量空间
AI 摘要谷歌推出 EmbeddingGemma 2 嵌入模型，可将文本、图像等五种模态映射到同一个向量空间，实现跨模态检索与对齐。该模型延续 Gemma 开源系列，面向多模态嵌入与检索增强场景。