neng8科技快讯网AI人工智能前沿资讯_汽车数码相机评测_手机电脑硬件百科

多模态DeepSeek来了，北大港科联合发布Align-DS-V

多模态DeepSeek来了，北大港科联合发布Align-DS-V

如何将全模态大模型与人类的意图相对齐，已成为一个极具前瞻性且至关重要的挑战。

在当前AI领域的快速发展中，“强推理慢思考”已经成为主要的发展动向之一，它们深刻影响着研发方向和投资决策。如何将强推理慢思考进一步推广到更多模态甚至是全模态场景，并且确保和人类的价值意图相一致，已成为一个极具前瞻性且至关重要的挑战。

20 0 2025-09-03

MetaMorph – 统一多模态理解与生成大模型，基于VPiT 预测多模态 token

MetaMorph是多模态大模型（MLLM），通过指令微调（Instruction Tuning）实现视觉理解和生成。它提出了一种名为Visual-Predictive Instruction Tuning（VPiT）的方法，使得预训练的大型语言模型（LLM）能够快速转变为一个统一的自回归模型，能生成文本和视觉token。

21 0 2025-08-30

LlamaV-baidu09o1 – 多模态视觉推理模型，采用逐步推理学习方法解决复杂任务

LlamaV-o1是阿联酋穆罕默德·本·扎耶德人工智能大学等机构提出的新多模态视觉推理模型，提升大型语言模型的逐步视觉推理能力。引入视觉推理链基准测试VRC-Bench，包含超4000个推理步骤，全面评估模型推理能力；提出新评估指标，以单步粒度衡量推理质量；采用多步课程学习方法训练，任务按序组织，逐步掌握技能。

21 0 2025-08-29