算法论文8

上海交大LatentUM架构跨模态推理获佳绩

AIGC开放社区2026-04-14

AI 摘要

上海交大等团队提出LatentUM架构，将文本和图像放同一语义潜空间推理。它摒弃像素中介，能自我反思提升视觉生成质量，在多任务测试中成绩亮眼，为决策系统奠基。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

慕尼黑工大GUIRepair登顶多模态修复榜单

自动化修复软件缺陷是长期目标，多模态问题修复受关注。慕尼黑工业大学团队提出GUIRepair，融合APR与GUI Testing知识，登上SWE - bench Multimodal榜单第一，为多模态软件自动修复开辟新路。

当前先进机器人无法像人类自如用工具，现有多模态系统有局限。自变量机器人提出端到端统一架构，以统一表示学习和多任务多模态生成解锁具身多模态推理能力，实现范式转换。

OpenAI的o3在GeoGuessr游戏中与大师级玩家Sam Patterson对决，o3通过视觉与搜索推理，忽略伪造EXIF信息，最终以23179比22054获胜，展现出跨模态推理潜力，引发对AI推理能力的思考。

视频扩散模型生成新视角视频时，现有方法缺显式3D结构。智象未来提出DreamWorld，用3D先验与两阶段框架，结合结构和生成能力，在多基准测试表现领先。