核心要点👉
- 🚀 视觉-语言双模态技术跨越：实现300毫秒解析12类物体并生成知识图谱
- 🔍 混合专家模型：支持表格解析与场景语义关联的复杂任务处理
- 📊 千亿参数升级：开放域视觉问答准确率提升27%
- 🔄 渐进式学习框架：通过用户反馈强化情境适应能力
- 📱 多终端生态：移动端AR标注与桌面端批量处理协同运作
数智朋克了解到，阿里巴巴旗下AI旗舰应用夸克迎来战略级产品升级，其核心模块AI超级框正式集成视觉智能中枢——"拍照问夸克"功能。依托深度神经网络构建的视觉解析引擎与逻辑推演架构，该功能在跨设备终端实现多模态交互范式革新，用户通过镜头捕捉物理世界信息即可激活智能应答系统。
此次升级标志着AI超级框完成从文本单模态到视觉-语言双模态的技术跨越。基于混合专家模型的动态推理机制，系统能实时解析图像中的多维信息：既涵盖人物、物体的本体识别，又支持表格数据解析、场景语义关联等复杂任务。在杭州某实验室的实测中，面对包含12类物体的复杂构图，系统在300毫秒内完成要素解构并生成多维度知识图谱。
夸克搜索产品负责人张帆在技术沟通会上透露，新功能采用渐进式学习框架，每次交互产生的用户反馈数据都会强化模型的情境适应能力。特别开发的认知增强模块，使系统在处理医疗报告、工程图纸等专业领域图像时，可自主调用垂直领域知识库进行交叉验证。
多终端适配方案体现其生态整合优势：移动端侧重即时场景交互，支持图像实时增强与AR标注；桌面端则强化批量处理能力，可对相册图库进行智能聚类分析。值得关注的是，系统内置的创作引擎能根据识别结果自动生成图文混排的解答报告，并保留多轮追问的对话上下文。
此次迭代延续了AI超级框"三月架构升级"的技术路线，将多模态大模型的参数规模扩展至千亿级。测试数据显示，新版本在开放域视觉问答任务中的准确率较基线模型提升27%，尤其在跨语言图文匹配场景下展现出突破性表现。行业观察人士指出，这种即拍即得的智能交互形态，可能重塑移动搜索市场的竞争格局。
粤公网安备44030002001270号