AI资讯新闻榜单内容搜索-多模态大模型

关键词: AI新闻,OCR,PolyOCR,模型训练

随着多模态大模型越来越强，OCR的短板反而逐渐明显。

关键词: AI新闻,模型训练,NV-CoT,Numerical Visual Chain-of-Thought

一张高清照片中，远处的手提包是什么颜色？一页票据里，某项费用到底是多少？面对这些问题，多模态大模型常常需要先找到相关区域，再放大查看。但如果第一步就框错了位置，后面的推理也可能跟着出错。视觉思维链让模型能够边看边想、调用工具寻找证据。不过，许多方法仍然像生成句子一样，把边界框坐标逐个写成文本 token。连续的空间位置，为什么要通过离散文字来表达？

关键词: AI新闻,模型训练,MIDA,人工智能

人类说一句「我不是狼」，多模态大模型既能看到表情，也能听见声音。但它真的知道这句话是真是假吗？

关键词: AI新闻,AI数学,人工智能,科学多模态大模型

困扰数学界30余年的世界级难题——三维Ghys猜想迎来了破解！

关键词: AI新闻,模型训练,人工智能,RAVEL

团队提出免训练评测方法RAVEL，通过带稳定项的PCA白化和局部图像块匹配提升视觉编码器评测准确性，在三个LLM上的平均Spearman相关系数达0.85，并开源210个MLLM权重。

关键词: AI新闻,模型训练,视觉源幻觉,visual-origin hallucination,ACFT

新智元报道 多模态大模型的物体幻觉，长期被归因于语言先验。 先看下面两组对话。 第一组，一张只有小狗的照片，问模型「图中有椅子吗」，它答「没有，图中是一只狗」，完全正确； 第二组，另一张照片，问「图中

关键词: AI新闻,豆包,AI教育,豆包爱学

豆包爱学2.0依托豆包多模态大模型与Seedance系列模型，将AI嵌入语数英等学科的问答、板书讲解、定制课程、听写和错题整理等学习全流程，同一对话入口即可围绕知识点不断生成完整学习内容，展现字节在AI教育场景的工程化能力。

关键词: AI新闻,ZDTaichu5.0-9B,多模态大模型,具身智能

紫东太初开源的这个通用多模态大模型 ZDTaichu5.0-9B，简直夯爆了！

关键词: AI新闻,紫东太初,ZDTaichu5.0-9B,开源多模态模型

10B参数以内，空间具身能力同档第一的通用多模态大模型来了！

关键词: AI新闻,GLM-5.3-Flash,智谱多模态,智谱,GLM-5.3-Flash (320B-A18B)

今天，我们上线并开源GLM-5.3-Flash (320B-A18B)，这是GLM-5系列的首个原生多模态模型。大家好像已经习惯将前沿智能与前沿价格绑定，并认为这是技术进步必须支付的成本。今天，GLM-5.3-Flash来了：320B总参数，能力超过GLM-5.2，在全球权威的Artificial Analysis Intelligence Index（AA综合智能指数）中取得57分