浙大团队破解多模态模型「盲目自信」：先校准置信度，再分配算力丨CVPR'26
浙大团队破解多模态模型「盲目自信」：先校准置信度，再分配算力丨CVPR'26多模态大模型，到底有多“嘴硬”？ 浙江大学联合阿里巴巴、香港城市大
来自主题: AI技术研报
7106 点击 2026-03-23 09:51
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
多模态大模型，到底有多“嘴硬”？ 浙江大学联合阿里巴巴、香港城市大
在此背景下，浙江大学研究团队提出了 EasySteer——一个基于 vLLM 构建的高性能、可扩展 LLM Steering 统一框架。该框架通过与 vLLM 推理引擎的深度集成，相比现有 Steering 框架实现了 10.8-22.3 倍的推理加速，同时提供更细粒度的干预控制，并为八大应用场景提供了预计算 Steering 向量与完整复现示例，方便研究者快速上手和对照复现。
近日，影溯正式发布并开源世界模型 InSpatio-World，综合性能优异，在李飞飞牵头的权威世界模型榜单 WorldScore-Dynamic 中，力压其他实时 / 交互级推理速度的世界模型。它彻底摒弃了烧钱低效的纯 2D 视频路径，凭借更具第一性原理的 3D 空间架构，带来了可实时交互的动态世界。
在 50 亿美元估值神话的背后，这一空间智能的最新高地正被国内创业公司攻克并推向产业纵深。近日，影溯（InSpatio）正式发布并开源了其实时帧生成模型 InSpatio-WorldFM，一个实时交互的 3D 世界模型。这标志着中国团队在空间智能底层技术上取得了奠基性突破，而且以开放的姿态，正成为推动 AI 从虚拟屏幕走向物理现实的关键破局者。
硬氪获悉，专注于研究工程师智能体（Engineer Agent）的公司「万卷智能」近日完成1000万天使轮融资。我们总结了本轮融资信息和该公司几大亮点：核心产品Colleague+（智能同事），是一个由“Engineer Agents”驱动的企业级工作平台，旨在将“人类+软硬件”的工作范式升级为“人类+Agents”的工作范式，大幅释放专业工程师的工作负荷。
将多模态数据纳入到RAG，甚至Agent框架，是目前LLM应用领域最火热的主题之一，针对多模态数据最自然的召回方式，便是向量检索。
浙江大学ReLER团队开源ContextGen框架，攻克多实例图像生成中布局与身份协同控制难题。基于Diffusion Transformer架构，通过双重注意力机制，实现布局精准锚定与身份高保真隔离，在基准测试中超越开源SOTA模型，对标GPT-4o等闭源系统，为定制化AI图像生成带来新突破。
尽管扩散模型在单图像生成上已经日渐成熟，但当任务升级为高度定制化的多实例图像生成（Multi-Instance Image Generation, MIG）时，挑战随之显现：
作者提出了一个大规模、高质量、多类别的指令跟随的视频编辑数据集 OpenVE-3M，共包含 3M 样本对，分为空间对齐和非空间对齐 2 大类别共 8 小类别。
近日，浙江大学副教授胡星和团队开发出一款名为 CatCoder 的 AI 框架，它能够读懂一个完整的软件项目，生成准确、可用的代码。在 Java 任务上，它在代码编译通过率和测试通过率上，比业内表现突出的代表之一 RepoCoder 最高提升了 14.44% 和 17.35%。