「视觉领域」共找到 2295 篇相关文章
「看」能否取代「读」，为何DeepSeek-OCR 爆火的重点不在性能？
DeepSeek近期开源的DeepSeek - OCR在AI社区引发热议。它提出‘上下文光学压缩’理念，以视觉方式压缩文本。社区关注重点在其研究思路对NTP范式的影响，有望解决长上下文经济性难题等。
Meta 143亿挖角后的首个作品：Alexandr Wang 推出闭源模型，杨立坤点赞
沉寂9个月后，Alexandr Wang带队的Meta发布新一代模型Muse Spark。它是原生多模态推理模型，性能媲美Gemini Pro和GPT 5.4，在多领域有应用潜力。不过闭源引争议，且在部分领域有短板。
新任IEEE Fellow要来参加雷锋网GAIR大会啦！
2026年IEEE新晋Fellow名单公布，348位学者入选，其中华人126位，AI领域42位。付昊桓等学者研究聚焦高性能计算等领域，付昊桓将在12月12日GAIR大会演讲。IEEE Fellow是学会最高荣誉，当选者贡献重大。
清华联手快手可灵，撞车谢赛宁团队RAE，用SVG再证明VAE已过时
AI图像生成正告别VAE技术。清华与快手可灵联合提出SVG方案绕开VAE，纽约大学谢赛宁团队也提出RAE模型。SVG用自监督特征构建潜空间，在质量、效率和通用性上超传统，证明统一视觉模型可行。
DeepSeek睁开眼了！Opus-4.8的性能，1000张图不到20美分
DeepSeek首个多模态视觉模型deepseek-v4-flash-vision-exp上线DeepSeek API平台。文本能力与V4-Flash持平，多模态Agent能力逼近Opus-4.8，分析1000张图成本不到20美分，还上线免费Files API。
Agent可以自己进化了？！
论文《Automated Design of Agentic Systems》提出让Agent扮演设计师，“元代理”能自动生成新代理设计方案。用编程语言作设计空间，实现“设计自由”。实战中，AI设计的Agent全领域超越人类，还具备知识迁移能力，未来或有自主进化的AI生态。
营收67亿、净利8.7亿，这家上海芯片公司再冲刺港股
4月12日，晶晨半导体向港交所主板重新递交H股上市申请，这是其第二次冲击港股。该公司有“硅谷基因、国内运营、全球销售”独特身份，产品覆盖多领域，业绩创新高，但也有客户集中、存货激增等风险。
ICLR 2026｜原生多模态推理新范式ThinkMorph ，让文字与图像在统一架构中共同演化
NUS、ZJU 等联合提出「ThinkMorph」，主张文字与图像在统一架构「原生协作」。仅用 2.4 万条数据微调 7B 统一模型，视觉推理平均提升 34.74%，多项任务比肩或超 GPT - 4o 和 Gemini 2.5 Flash，还涌现新能力。
独家对话比尔·盖茨：AI已跨过临界点，社会却几乎没有讨论
比尔·盖茨在与《麻省理工科技评论》的采访中表示，AI在多方面已跨过临界点，但行业外缺乏讨论。他警告生物恐怖主义风险，提出‘人类保留岗位’、征税等政策设想，也看好AI在部分领域价值。
英伟达为机器人推出懂推理的“大脑”！升级版Cosmos世界模型来了
在SIGGRAPH大会上，英伟达推出全新升级的Cosmos世界模型，重点升级规划能力与生成速度。还升级配套软硬件，如Omniverse库等。英伟达全力布局机器人领域，认为图形与AI融合将变革该领域。