多模态大模型首次实现像素级推理！3B参数超越72B传统模型，NeurIPS 2025收录
多模态大模型首次实现像素级推理！3B参数超越72B传统模型，NeurIPS 2025收录多模态大模型首次实现像素级推理，指代、分割、推理三大任务一网打尽！
来自主题: AI技术研报
8707 点击 2025-10-17 10:01
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
多模态大模型首次实现像素级推理，指代、分割、推理三大任务一网打尽！
Reve AI 是一家 2023 年 12 月才建立的加州 AI 初创公司，他们在 2025 年 3 月推出了第一个生图模型叫 Reve Image 1.0，内部代号是「Halfmoon」。6 个月过后，再次升级该模型为「图像编辑模型」。
靠AI挖出了癌症潜在新疗法，AI医疗领域再添猛将。谷歌、耶鲁联手，给攻克冷肿瘤找到了新方法。
谷歌凌晨更新Veo 3.1，主打更强叙事与音频控制、首尾帧与多图参考等精控，接入Gemini API与Vertex AI，Flow与Gemini可用。可合成多人物场景、音画同步，片段最长约148秒；规格至1080p/24fps。
还在用Sora2做恶搞视频或表情包玩儿？快醒醒，国内AI视频玩家已实现弯道超车了—— 开卷实时流式生成！
奥特曼宣布重新上线个性化、富有人味的的新ChatGPT版本，并将在12月份开放「成人模式」，OpenAI最终还是没忍住，要抄马斯克的Grok作业了～
基础模型（FM）是一种在海量数据上训练的人工智能系统，具备强大的通用性和跨模态能力。港科大最新发表的论文显示：FM可能引领科学进入第五范式，但大模型的偏见、幻觉等问题仍需正视。
开源大模型，进入中国时间。 10月，公开数据显示，来自中国的开源大模型已经牢牢占据榜单前五。 阿里的Qwen系列和DeepSeek，更是从2024年下半年起，就在开源社区构建起越来越深远的影响力。
一张图片包含的信息是多维的。例如下面的图 1，我们至少可以得到三个层面的信息：主体是大象，数量有两头，环境是热带稀树草原（savanna）。然而，如果由传统的表征学习方法来处理这张图片，比方说就将其送入一个在 ImageNet 上训练好的 ResNet 或者 Vision Transformer，往往得到的表征只会体现其主体信息，也就是会简单地将该图片归为大象这一类别。这显然是不合理的。
教育 AI 的热度正重新回到上升曲线。不同于早期的「狂飙阶段」，如今的竞争更像一场结构重排——头部在稳，中腰在提速，尾部在寻找新的出口。AI 在教育中的角色，也从单一的「功能工具」，进化为教学系统中的「生态节点」。