信息时报讯（记者 卢云龙）近日，第八届中国模式识别与计算机视觉学术会议（PRCV 2025）举行。合合信息在论坛期间推出“多模态文本智能技术”方案，该方案可通过文本相关空间位置理解深层语义逻辑，实现对多模态信息的“立体化综合化理解”，赋予模型真正的文本“阅读理解”能力。

从文字、图像到视频，无论模态如何演变，其所承载的文本信息始终是AI理解世界的基座。实现具备自主感知、认知与决策能力的通用人工智能（AGI），首要前提是让机器充分理解作为知识载体的“文本”。基于此，合合信息推出了“多模态文本智能技术”方案，将技术处理对象从传统的文档（如PDF、Word等格式文件）延伸至多种承载文本信息的媒介，无论是论文、财报还是视频、自然场景，都能成为系统的理解对象。

目前，“多模态文本智能技术”方案已将文本智能认知程度从语义理解拓展到类人推理及自主机器决策，形成了从感知到认知再到决策的技术实现路径。相较于传统的文档解析、识别系统，该方案让系统具备了更接近人类判断逻辑的自主决策能力，在完成对多模态信息的感知和理解后，能够根据用户意图，做出正确的决策。