MiniMax推出的V-Triune框架实现了视觉推理与感知任务的统一学习，显著提升了性能。该框架通过动态奖励机制和样本级数据格式化，克服了传统强化学习方法的局限性。Orsta模型在基准测试中表现优异，验证了该方法的有效性。

本研究提出DrivePhysica模型，旨在解决自动驾驶中的高质量多视角视频生成问题。通过三个创新模块，显著提升了视频质量和感知任务的表现。

本研究分析了大型语言和视觉模型在基础感知任务中的不足，尽管在高级推理任务中表现良好。通过评估多个模型家族，揭示其内部处理机制、数学推理能力及跨模态对齐问题，并提出改进建议和未来评估基准的发展方向。

本文介绍了一种分布式在线贪心（DOG）算法，旨在从大型传感器网络中选择最有用的传感器。该算法在满足次模性条件下，提供强理论无悔保证，具有低通信需求和良好扩展性。实证研究表明其在真实感知任务中的有效性。

该文介绍了一种无监督对象定位方法，利用自我监督预训练特征，在图像中发现对象而无需手动注释。该方法能够在开放式视觉系统中进行感知任务，对于不知道数据集中包含哪些对象的情况下，能够发现对象。