Meta AI Announces New Framework for Multimodal AI Agents

Meta AI发布新的多模态AI智能体框架，能够同时处理文本、图像、音频和视频。该框架名为"CMTA"（Cross-Modal Transformer Agents），采用了创新的跨模态注意力机制，使AI能够在不同模态之间无缝切换和理解。测试显示，CMTA在视觉问答任务上准确率达到95%，同时保持了70%的文本生成速度优势。