「纯视觉路线」共找到 1059 篇相关文章
LeCun赌上后半生，押注大模型必死！Hassabis誓将Scaling进行到底
近日，「图灵奖」得主Yann LeCun炮轰硅谷主流AI路线，认为通过大模型实现AGI完全是「胡扯」。DeepMind创始人Demis Hassabis则反驳，认为LeCun混淆概念。二者的争论折射出AI未来五到十年的方向抉择。
小红书提出DeepEyesV2，从“看图思考”到“工具协同”，探索多模态智能新维度
小红书推出多模态模型DeepEyesV2，它延续视觉推理优势，实现代码执行、网页搜索和图像操作的全工具协同。通过多工具协同推理解决复杂问题，采用两阶段训练策略，准确率远超开源模型。
对话蚂蚁 AWorld 庄晨熠：Workflow 不是“伪智能体”，而是 Agent 的里程碑
文章围绕AI Agent展开，蚂蚁集团AWorld算法负责人庄晨熠认为，当前AI陷入‘应试狂热’，Workflow是智能体发展的里程碑，群体智能与大模型相辅相成，还分享了智能体应用实例及对未来的规划。
NeurIPS 2025 Spotlight | GeoSVR：稀疏体素的新潜力——超越3DGS系列的高精度三维表面重建
计算机视觉中表面重建难题待解，现有方法有瓶颈。北航等团队提出 GeoSVR 框架，围绕几何约束与表面正则化设计，在多数据集超现有方法，兼顾精度、完整性与效率，为多领域提供支持。
Sora爆火之际，这家AI公司的DAU正以每月翻倍速度狂奔——Agnes
OpenAI的Sora爆火，而AI Agent产品Agnes正走不同路线。它三个月内全球注册用户破百万，DAU逼近10万，ARR达780万美元且近乎每月翻倍。其多模态社区预计10月上线，追求“Vibe Lifestyle”理念。
首款推理具身模型，谷歌DeepMind造！自主理解/规划/执行复杂任务，打破一机一训，还能互相0样本迁移技能
谷歌DeepMind发布新一代通用机器人基座模型Gemini Robotics 1.5系列，由GR 1.5和GR - ER 1.5组成，结合视觉、语言与动作，实现“规划 + 执行”闭环，还提出Motion Transfer机制，能跨机器人迁移技能。
给几何图片写标题就能让AI更聪明，UIUC发布高质量可泛化几何数据集
随着多模态大语言模型在视觉问答等任务广泛应用，其几何推理能力成研究热点。现有方法泛化能力有限，UIUC团队提出Geo - Image - Textualization框架，发布GeoReasoning - 10K数据集，提升模型几何推理表现。
强化学习之父Richard Sutton最新演讲揭示OaK架构：通向超级智能的八步愿景
强化学习之父Richard Sutton在演讲中介绍OaK架构，认为它是通向超级智能的路径。他回顾对简单通用AI智能体架构的追求，强调从经验学习、拟合世界的重要性，还指出实现该架构需八个步骤，虽只是愿景但提供了发展路线图。
开源套壳叫板Google？Perplexity新品发布，印度裔CEO放言5万美金撬走彭博千亿生意
本周，AI搜索公司Perplexity推出Comet浏览器，整合自家AI搜索与智能助手，挑战Google Chrome。其CEO Aravind Srinivas不认同走垂直路线，获马克·安德森支持。此外，他们还想以AI终结Bloomberg，盯上金融市场。
我在618主场，和3位顶尖技术博士聊了聊
本文讲述了作者在618与京东三位技术博士的交流。长林主导同品判别系统优化，采用模型蒸馏和数据筛选提升效率；星衍负责物流机械臂项目，强调打透场景；初雪专注语音识别，提升识别准确率和探索创新方向。京东还推出TGT计划吸引人才。