开源动态8

DeepSeek - OCR2：首创「因果流」超越Gemini

新智元2026-01-27

AI 摘要

DeepSeek推出DeepSeek - OCR2，引入DeepEncoder V2架构，用Qwen2 - 0.5B替换CLIP编码器，设计「因果流查询」机制。它在多项基准测试中刷新SOTA，超越Gemini - 3 Pro，还为多模态智能发展助力。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

康奈尔拆解机器人长期记忆难题

本文整理康奈尔大学Steven Waslander教授在IROS的主旨演讲，针对智能机器人上下文窗口限制的瓶颈，分享其团队在仓库机器人长期记忆领域的两项核心研究，给出多模态记忆检索与环境动态检测方案，具备工业落地参考价值。

本文介绍面壁智能和OpenBMB最新开源的端侧多模态大模型MiniCPM-V 4.7，其35B-A3B版本总参数35B，推理仅激活3B，仅需3G内存即可在iPhone等手机断网流畅运行，性能领先同类模型，详解了其优化技术与行业价值

本文介绍南洋理工大学等机构研究团队提出的V-Rubrics方法，解决多模态推理中结果正确但推理错误的奖励分配误区，通过35万条细粒度准则拆分奖励计算，有效提升模型性能，论文已被EMNLP 2026主会接收，代码与数据已开源。

针对原生视觉推理缺少完整训练评估基础设施的现状，NTU等多校联合推出VBVR-Pro系统，构建了从任务构建、模型训练、能力评测到强化学习优化的完整闭环，论文、数据、代码均已公开。