开源动态8

清华腾讯Bee项目刷新全开源MLLM SOTA

量子位2025-11-11

AI 摘要

清华与腾讯混元团队推出Bee项目，解决全开源MLLM数据质量问题。通过HoneyPipe产出Honey - Data - 15M数据集，训练出Bee - 8B模型，证明保障数据质量比盲目堆量更有效。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

灵初较真机器人训练数据质量

本文聚焦机器人学习人类操作的数据痛点，灵初智能提出逆向生成强配对数据的新思路，升级Psi-R2.5模型，提升数据可用性，降低新任务适配成本，方案已落地客户现场。

本文是对际数科技三位联合创始人的访谈。在具身智能时代数据采集火热但数据荒严重背景下，际数关注数据质量，其以测绘背景为底气，用‘一张图、一把尺、一个飞轮’搭建技术护城河，打造质量因子库，还创新训练质量模型，有稳定商业路径。

上海人工智能实验室等团队研究指出，“SFT泛化能力差”定论有局限。SFT泛化能力受优化过程、数据质量与结构、模型基础能力共同制约，研究还揭示其训练中的现象及副作用。

DeepSeek联合北大、清华开源多模态技术及论文，提出“视觉基元推理”框架，解决MLLM指代鸿沟问题。基于DeepSeek - V4 - Flash构建的模型，性能比肩GPT - 5.4等。论文还介绍架构、训练流程等。