大模型如何准确读懂图表？微软亚研院教它“看、动手、推理”
大模型如何准确读懂图表？微软亚研院教它“看、动手、推理”多模态大模型（MLLM）在自然图像上已取得显著进展，但当问题落在图表、几何草图、科研绘图等结构化图像上时，细小的感知误差会迅速放大为推理偏差。
来自主题: AI技术研报
6717 点击 2025-11-03 14:20
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
多模态大模型（MLLM）在自然图像上已取得显著进展，但当问题落在图表、几何草图、科研绘图等结构化图像上时，细小的感知误差会迅速放大为推理偏差。
过去一周，我把主流 AI 浏览器都体验了个遍。 OpenAI 的 Atlas、Perplexity 的 Comet、Browser Company 的 Dia，再加上 Edge Copilot，市面上最火的 AI 浏览器，各有各的亮点，也各有各的坑。浏览器的未来长啥样？这些产品给出了完全不同的答案。
对冲基金Praetorian Capital创始人哈里斯·库珀曼（Harris Kupperman）向《每日经济新闻》记者（以下简称每经记者）表示，AI投资从回报上看说不通。整个AI行业需要1万亿美元的收入才能实现收支平衡，而目前行业的月收入仅略超10亿美元。也就是说，要收回目前计划的支出，需要约83年。
10 月 30 日，据彭博社援引知情人士报道，英伟达计划向人工智能初创公司 Poolside 投资最高达 10 亿美元，这笔交易预计将使后者的估值翻四倍。消息人士称，Poolside 目前正在洽谈一轮新融资，拟以 120 亿美元的投前估值融资 20 亿美元。其中，英伟达计划出资至少 5 亿美元，若本轮融资顺利完成，英伟达的总投资额可能达到 10 亿美元。
Windows Copilot正式更新，人人都能免费拥有操作电脑界面的AI助手了。
这两天，Physical Intelligence（PI）联合创始人Chelsea Finn在𝕏上，对斯坦福课题组一项最新世界模型工作kuakua连续点赞。
家人们，不知道你有没有试过，在和 AI 聊天时，冷不丁地问一句： “你刚刚在想什么？”
Anthropic深夜又放猛招！Claude直接以插件形态接入Excel，不仅能直接操作和读取数据，还能定位单元格内容，并给出修改理由。
预训练的核心是推动损失函数下降，这是我们一直追求的唯一目标。
OpenAI凭ChatGPT坐拥8亿周活与预计约130亿美元年收入，订阅难覆盖成本、探索广告并豪赌算力扩张；Anthropic低调专攻企业，Claude在代码等场景见长，企业占营收八成、30万客户、年收入约70~90亿美元。OpenAI主攻C端，Anthropic深耕B端，前者求声量与规模，后者重价值与稳健，胜负未定。