BriefGPT - AI 论文速递 ·

评估视觉语言模型在视觉推理任务中的认知范式

💡 原文中文，约600字，阅读约需2分钟。

📝

内容提要

本研究探讨了视觉语言模型(VLMs)在复杂视觉任务中的推理能力，提出了整体分析、演绎规则学习和组件分析三种方法。结果表明，先进模型在结构化推理任务中表现良好，但在合成图像和微妙上下文处理上存在挑战，强调了提升模型鲁棒性和泛化能力的必要性。

🏷️

Witbe 推出用于视频测试自动化的 AI 模型
Witbe推出自研视觉语言模型Witbe VLMs，用于视频测试自动化，与通用模型协同工作。该模型针对机顶盒等特定场景训练，性能不逊于前沿模型，且延迟更低...
SenseNova-U1.5-8B-MoT 统一生成与理解，解锁原生多模态创作；DeepSeek-V4-Flash-Vision-Exp 拓展视觉理解新能力
商汤科技发布SenseNova-U1.5-8B-MoT统一多模态模型，支持图像生成、编辑与理解，提升4K画质和文字渲染。HyperAI官网更新数据集、教程...
机器人不能停下来等模型：星尘发布 SmoothRL，让在线强化学习跟上大模型的异步推理
星尘智能发布SmoothRL框架，解决真实机器人异步执行中的在线强化学习问题。该框架仅对实际执行的动作进行学习，并保持训练与部署节奏一致。在投掷、戴笔帽、...
Minmax H3中英提示词效果差异测试 - 蝈蝈俊
对于MiniMax H3，使用中文和英文提示词时，能看到都在说，英文提示词通常能带来更好的生成效果。但是我实际测试下来，感觉差别不大。我的测试是基于北京...
OpenAI admits to German wiki ‘incident’
OpenAI says it needs to overhaul how and when it reports instances of AI mode...
Robotaxis enter their villain era
It's Bullitt meets Christine meets Waymo. A new short film imagines a San...