算法论文8

Rex - Omni：MLLM超越Grounding DINO成检测新希望

机器之心2025-11-13

AI 摘要

IDEA研究院团队：3B参数的Rex - Omni将视觉任务统一为‘下一个点预测’，结合4 - Token坐标编码与SFT + GRPO两阶段训练，在多基准超Grounding DINO，解决MLLM定位和行为缺陷，成下一代检测模型有力基线。

关注公众号

扫码关注
第一时间收到每日精选

公众号专辑

GPT-5.6 Sol视觉能力跃升，性价比战刚开场

第三方评测机构Roboflow测试显示，GPT-5.6 Sol在目标检测、计数等视觉任务上表现出色，尤其在文档版面识别和密集场景处理上进步明显，但认字能力有退步，且大尺寸图片检测框易飘移。

全国公路桥梁超百万座，传统人工巡检效率低且有安全风险，现有深度学习检测模型体积大、计算量高。研究团队提出LBSD - YOLO网络，通过创新实现轻量化，实验显示模型瘦身但性能不减，有重要应用价值。

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。

RF-DETR在COCO数据集上，实时检测精度首破60 mAP，兼顾实时性与高精度。它通过NAS找到Transformer实时运行的‘最优解’，迭代快，适用于多场景，还给出完整实战教程。