算法论文8

港科广×腾讯：VistaWise让AI低成本通关游戏

量子位2025-09-04

AI 摘要

港科广与腾讯联合团队提出VistaWise框架，将跨模态知识图谱等引入开放世界智能体。它以低成本跨模态为突破，实验中表现优异，成果被EMNLP 2025录用，训练成本大幅降低。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

港大黄超团队开源多模态RAG - Anything系统

香港大学黄超教授团队开源多模态智能处理系统RAG - Anything，突破传统RAG技术单一文本局限，整合多模态文档解析等核心能力，解决现有RAG系统痛点，具备多方面技术亮点，有便捷部署方式和多场景应用模式。

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。

视觉-语言-动作（VLA）模型是端到端自动驾驶主流技术，但自回归解码架构有瓶颈。复旦大学与引望智能联合提出WAM-Diff2，实现自回归VLA向离散扩散模型迁移，解码加速15.1倍，多任务性能不降。

国立清华与英伟达团队研究《VLM-AR3L》，把Gemini 2.0、GPT-4.1等拉进考场，评估视觉裁决能力。结果显示Gemini综合最稳，开源小模型特定场景反超。还提出VLM-AR3L框架破使用瓶颈，实战超人类手写奖励。