Vision-R1：强化学习赋能，图文大模型性能飙升50%
北京 – 2025年4月8日 – 在人工智能领域，图文大模型正日益成为研究热点。然而，如何进一步提升其在…
阿里通义重磅发布：视觉推理模型QVQ-Max
在人工智能领域，多模态模型的研发与应用正成为新的增长点。近日，阿里巴巴通义千问团队正式发布了其视觉推理模型的最新版本——QVQ-…
视觉SSL逆袭！LeCun新作赶超CLIP
纽约—— 在人工智能领域，视觉问题解答（VQA）一直被视为检验多模态学习能力的关键战场。长期以来，视觉自监督学习（SSL）在VQ…
通义千问发布QVQ-Max：视觉推理新突破
摘要： 阿里巴巴通义千问团队近日发布了新一代视觉推理模型QVQ-Max，该模型具备强大的图像和视频内容分析、推理能力，标志着人工…
视觉语言模型新突破：轻量高效，LLM助力！
“`markdown 小型视觉语言模型崛起：开放权重、加速学习与LLM辅助的未来 引言：AI领域的新星正在冉冉升起 …
阿里通义发布QVQ-Max视觉推理模型
北京报道 – 在人工智能领域日新月异的今天，视觉智能正成为推动技术进步和产业升级的关键力量。近日，阿里巴巴集团旗下通…
Proxy Lite：开源视觉模型，网页任务自动化！
北京，2024年5月16日 – 在人工智能领域，自动化网页任务一直是研究和应用的热点。近日，一款名为 Proxy L…
DeepSeek R1视觉强化微调开源！
好的，根据你提供的信息，我将撰写一篇关于Visual-RFT的新闻报道，力求专业、深入且引人入胜。 标题：视觉强化微调迎来突破！…
Proxy Lite：开源视觉模型，网页任务自动化！
摘要： Proxy Lite，一款由Convergence AI团队开发的开源轻量级视觉语言模型（VLM），以其30亿参数的精简…
Proxy Lite：开源视觉模型，网页任务自动化！
摘要： 近日，一款名为 Proxy Lite 的开源视觉语言模型（VLM）正式发布，该模型以其轻量级、高性能的特点，旨在赋能网页…
字节跳动突破！机器人视觉控制新范式
“`markdown 字节跳动研究团队突破：世界模型赋能四足机器人，实现视觉控制新范式 北京 – 近日，…
字节跳动OmniHuman：AI“视觉图灵”时代降临？
北京报道 – 在人工智能领域，技术的每一次突破都预示着新时代的到来。近日，字节跳动推出了一项名为OmniHuman的…
Smolagents赋能视觉语言模型，AI应用新突破
引言： 想象一下，一个智能体不仅能理解文字，还能“看懂”世界，这不再是科幻小说的情节。Hugging Face 的 smolag…
字节跳动再发力，Tarsier2视觉大模型亮相
好的，请看我为你撰写的新闻稿，我将尽力融合你提出的所有要求，呈现一篇既有深度又引人入胜的文章： 字节跳动发布Tarsier2：视…
淘天祭出视觉锚定奖励，LVLM自我校准实现多模态对齐
好的，请看我为您撰写的这篇新闻稿，我将尽力融合我多年在多家顶尖媒体工作的经验，为您呈现一篇既专业又引人入胜的报道： 标题：细粒度…
SPRIGHT：视觉语言新突破，空间关系AI解读
SPRIGHT：AI视觉语言新突破，空间关系理解能力大幅提升 引言： 在人工智能领域，视觉语言模型的进步日新月异，但长期以来，如…
SPRIGHT：视觉语言AI新突破，空间关系理解跃升
引言： 在人工智能的浪潮中，视觉语言模型的进步日新月异。然而，长期以来，如何让AI准确理解和生成具有复杂空间关系的图像，一直是研…
阿里通义开源QVQ，视觉推理新突破
引言： 人工智能的浪潮席卷全球，多模态模型正成为研究和应用的热点。近日，阿里巴巴通义实验室开源了其最新的视觉推理模型QVQ，这款…
李飞飞团队重磅发布：视觉空间智能新基准VSI-Bench
好的，这是一篇基于你提供的信息，并按照你提出的专业新闻写作要求撰写的文章。 标题：李飞飞、谢赛宁团队发布VSI-Bench：为多…
阿里通义开源QVQ，视觉推理新突破
引言： 人工智能领域，多模态模型的研发一直是前沿热点。近日，阿里巴巴通义实验室开源了其最新的视觉推理模型QVQ，引发了业界的广泛…
PromptAI视觉突围：通用模型赛道，为何迟到一步？
好的，这是一篇根据您提供的信息撰写的新闻稿，力求达到您提出的专业性和深度要求： 标题：从伯克利到PromptAI：肖特特领跑下一…
视觉Mamba：线性注意力下的AI突破 清华阿里联手，线性AI模型Mamba问世 Mamba：线性计算，颠覆视觉AI？ 线性计算
清华阿里联手揭秘视觉Mamba：线性注意力视角下的高效建模新篇章 引言： 近年来，深度学习模型的计算复杂度成为制约其应用的关键瓶…
开源框架：视觉搜索新突破 AI视觉搜索：开源框架问世 视觉搜索新引擎：开源免费 颠覆搜索：AI视觉开源框架 AI赋能：开源视觉搜
Vision Search Assistant：赋能视觉语言模型的“互联网大脑” 引言： 想象一下，一个能像人类一样理解图片，并…
视觉语言模型“盲猜”时代结束？性能翻倍！
不让视觉语言模型「盲猜」，性能竟直接提升一倍？ AIxiv专栏是机器之心发布学术、技术内容的栏目。 过去数年，机器之心AIxiv…
AI 视觉欺骗：图像操控影响人类感知
Title: Subtle Image Manipulations Designed to Fool AI Can Also I…
ECCV 2024：离散Token视觉生成新突破，自适应推理策略引领AIGC发展
近日，在人工智能领域备受关注的ECCV 2024会议上，清华大学自动化系2022级直博生倪赞林及其导师黄高副教授的研究成果——《…
AI Deception Tricked Images Mislead Humans Too
Title: Subtle Image Alterations Impact Human Perception: New Res…
创新视界：科技让盲人共享视能力
在秘鲁领先的水泥品牌Cemento Sol的带领下，一场关于社会责任和创新的实践正悄然展开，将水泥这种日常生活中常见的元素与公益…
印尼大使馆开门迎华教精英，视觉盛宴闪耀外交荣耀
正文： 2024年8月27日，一场令人惊叹的视觉盛宴在雅加达上演。中国驻印尼大使馆举办了年度开放日，以“中国智能科技产品体验日”…
革新视觉体验：ScreenAgent引领AI智能体新纪元
吉林大学人工智能学院的研究团队近日发布了一项创新成果——ScreenAgent，这是一个基于视觉语言模型（VLM）的计算机控制智…