共找到 6 篇相关文章
最近，DeepSeek 在 Github 上发布了新的多模态模型，并公布了相关技术报告。技术报告中指出，虽然多模态大语言模型取得了显著进步，但目前主流的思维链范式仍主要局限于语言学领域。最近的研究重点在于利用高分辨率裁剪技术来解决感知鸿沟问题，但却忽略了参照鸿沟这一核心障碍。自然语言本身的模糊性难以提供精确的空间指引，导致在需要严谨参照的任务中出现逻辑崩溃。DeepSeek 在其多模态技术报告中提
机器之心编辑部随着五一假期的到来，DeepSeek 最新发布了一项技术进展。前一天，陈小康在 X 平台上的一则消息引发了公众对 DeepSeek 多模态功能的关注。一些用户已经能够在 DeepSeek 的网站和应用程序中体验其多模态特性。刚刚，DeepSeek 在 Github 上正式发布了他们的多模态模型，并公开了技术报告。这是一个全新的推理范式，具有开创性的意义。欢迎访问项目主页：https:
近日，DeepSeek发布了多模态技术报告《视觉原语思考》（Thinking with Visaul Primitives），详细披露了其新推出的识图模式背后的创新机制。该识图模式采用了名为DeepSeek-V4-Flash的基座模型，参数量达到284B，并拥有13B激活多模态推理模型。这一模型尚未正式命名，但DeepSeek已经确认未来会将其整合进基础模型中进行发布。据介绍，传统的思维链主要在语
DeepSeek的「鲸鱼」标志已正式揭开了神秘面纱。陈小康，一位专注于多模态技术的研究员，在X平台上发布了一条动态：“Now, we see you。”在该帖子中，DeepSeek的标志性鲸鱼图案被去除了眼罩装饰。不久之后，用户们发现DeepSeek网站上悄然推出了“识图模式”功能。这一新模式允许用户上传图片，并由模型进行内容识别和分析。不过，这项服务目前仅对部分用户开放测试，尚未全面推广。实际上
多模态大模型的研发方式正在经历全面革新。 今天，商汤科技与南洋理工大学共同发布了最新技术成果NEO-unify。 这是一个实现了“原生、统一、端到端”的多模态架构，其最突出的创新在于： 彻底摒弃了传统的视觉编码器（VE）和变分自编码器（VAE）。不再依赖组件拼凑来完成感知与生成任务，而是直接以近乎无损的形式处理像素和文字。 通过独特的混合变换器（Mixture-of-Transformer, Mo
最近，中国的人工智能企业在更新迭代方面动作频频。春节期间，字节跳动和阿里巴巴相继推出了多模态技术创新成果，其中Seedance 2.0引发了全球范围内的广泛讨论。作为国家层面的大模型研发团队，科大讯飞也一直活跃在人工智能应用的第一线。在新年之前发布了星火X2大模型以展示其核心技术升级后，该公司又于2月28日推出了新的AI学习机T90系列，进一步加快了人工智能技术向实际应用的转化。这些发布背后体现了