#视觉推理
共 5 篇相关文章
·4 分钟
GPT-6.1 Terra上线AI Gateway：视觉推理与计算机操作新选择
GPT-6.1 Terra 现已上线 AI Gateway，主打视觉推理、计算机操作与写作，支持超 100 万 tokens 上下文、结构化输出和提示缓存，适合高吞吐文档与桌面自动化场景。
阅读全文 →
·4 分钟
视觉可归因自蒸馏：多模态RL新范式VAG
多模态强化学习新研究提出视觉可归因在线策略自蒸馏框架，用视觉归因门控（VAG）过滤特权纠正污染，在六个视觉推理基准上超越GRPO与OPSD，刷新平均性能最优。
阅读全文 →
·5 分钟
AI代理的“视觉思维”：一场静默的认知革命
AI代理正从文本推理走向视觉思维，像人类一样在内部构建图像来理解和规划。本文解析这一趋势的技术基石、应用前景与可解释性挑战，探讨多模态大模型如何赋予代理空间推理与具身智能能力。
阅读全文 →
·4 分钟
Elorian发布首款AI模型Glimpse：用图像推理，而非推理图像
Elorian发布首款AI模型Glimpse，采用视觉原生推理架构，据其评估在科学图表推理和短视频描述任务上超越GPT-6 Astra，探索"用图像推理而非关于图像推理"的新路径。
阅读全文 →
前沿研究·4 分钟
上交大PhyAR：破解Video-LLM物理推理中的语义先验劫持难题
上海交通大学提出PhyAR框架，通过PACC数据集和VARC视觉锚定推理链机制，解决Video-LLM在物理推理中语义先验劫持视觉感知的核心缺陷，无需修改模型架构即可显著提升物理异常检测能力，全面超越GPT-4O等SOTA模型。
阅读全文 →