京东JoyAI-VL-Interaction：让AI学会主动感知物理世界

设想这样一个画面：独居老人在客厅意外跌倒，剧痛使他无法出声呼救。这时，他身上的智能装置或家中的监控摄像头“察觉”到了异常，人工智能无需等待任何语音指令，便自动发出警报，快速联络家人或急救部门。又或者，你正在观看一场紧张的足球赛事，当决定性进球出现的刹那，你来不及回看和提问，AI眼镜就已自动为你呈现慢镜头解析与战术说明。这些场景已非对未来的憧憬，而是京东近期开源的全球首个全栈开源视觉语言交互模型——JoyAI-VL-Interaction所试图解决的真实课题。过去两年，大语言模型的能力边界持续拓展，但主流的