搜索：视觉推理能力

「视觉推理能力」共找到 4898 篇相关文章

最新 AGI 暴论：强化学习的「GPT-3 时刻」实现，还需要 1 万年？

国外AI初创公司Mechanize三位创始人联合撰文称，RL或迎“GPT - 3时刻”，但需数千至上万年“模型处理任务所用时间”训练。还提出“复制训练”新范式，能磨炼模型能力，补足短板。

大型语言模型缺乏记忆管理系统，限制其发展。MemTensor与高校联合开源MemOS，它将记忆视为可管理资源，有三层架构，系统化三种记忆类型。评估显示其在推理、检索、加速等方面表现优异。

4月7日，Anthropic公布全新前沿模型Claude Mythos Preview，但未开放给公众，而是用于网络安全防御项目Project Glasswing。该模型安全能力强大，能发现大量零日漏洞并编写攻击代码，普通用户短期内难用上。

AI生产力革命被困云端，本地智能体工作台XMO - AgentBox应运而生。它由杭州曦谋决策打造，集成DeepSeek模型，能处理复杂场景，有平台化能力、核心价值，适合专业人士，现可免费下载桌面版。

教育行业首个AI Agent落地，斑马口语推出「超人类外教」。它有「人」味，能灵活交流、共情，背靠猿力大模型，有记忆能力，性价比高，推动优质口语教育，或重塑教育行业。

开源君在Github发现开源OCR工具Zerox，由Omni - AI团队开发，利用AI视觉模型“阅读”文档，将多种格式文档转Markdown。它功能强大，处理复杂文档优势明显，在Github获9.4K Star。

MIT团队的Human Operator项目是实时人体增强工具，也是MIT Hard Mode 2026获奖项目。它通过视觉 - 语言模型结合电刺激肌肉实现人体运动控制，介绍了技术栈、环境要求、软硬件准备、安装步骤等。

港科联合港中文提出AdaCtrl，解决LLM推理的过度思考、算力浪费和响应延迟问题。它有自适应和用户控制两种模式，通过两阶段训练法实现目标，实验效果好，未来或拓展到多领域。

离开Meta后，Yann LeCun创立AMI，还加入Logical Intelligence任技术研究委员会主席。该公司推能量 - 推理模型，与主流大模型路线不同，其Kona模型在数独测试上表现远超大模型。

字节 TRAE 推出 SOLO 模式解决复杂编程任务难题，11 月 25 日国内版上线且免费。它体验增强，集成 SOLO Coder，有执行前方案评审等四个关键能力，带来新协作模式，提升编程效率。