AI在线 AI在线

视觉推理

全新开源模型复现o3视觉推理，无需大量训练即可实现深度思考

全新开源模型复现o3视觉推理，无需大量训练即可实现深度思考
OpenAI o3的多轮视觉推理，有开源平替版了。 并且，与先前局限于1-2轮对话的视觉语言模型（VLM）不同，它在训练限制轮数只有6轮的情况下，测试阶段能将思考轮数扩展到数十轮。 图片这个模型叫Mini-o3，它无需消耗大量训练周期资源，通过恰当的数据、初始化方法和强化学习微调，即可实现长周期视觉搜索能力。
9/15/2025 2:42:55 PM
上海AI Lab、浙大EagleLab等提出RRVF：利用「验证非对称性」，只输入图片学习视觉推理

上海AI Lab、浙大EagleLab等提出RRVF：利用「验证非对称性」，只输入图片学习视觉推理
本本研究由上海AI Lab前沿探索中心石博天老师带领的数据前沿团队、浙江大学EagleLab和上海创智学院等单位联合完成。 第一作者陈杨是浙江大学硕士生，研究方向为多模态大模型和推理，本工作完成于她在上海AI Lab实习期间，实习所在团队以Agent-Ready的知识为核心，实现「提取-结构化-推理」全链路，包括基于MLLM的文档理解、基于异质图网络的多模态知识表征、自主终身学习智能体等。 论文共同第一作者、通讯作者沈宇帆就职于上海AI Lab，正在全身心探索下一代 MLLM 学习范式和高效的多模态智能体。
8/9/2025 12:41:00 PM
机器之心
王炸！中国AI再添“王牌军”！昆仑万维 Skywork R1V 多模态推理模型震撼开源！

王炸！中国AI再添“王牌军”！昆仑万维 Skywork R1V 多模态推理模型震撼开源！
昆仑万维今日正式宣布，他们打造的 Skywork R1V 多模态推理模型，正式开源了!这不仅是中国首个工业界开源的多模态推理模型，更标志着中国AI力量在多模态理解和推理领域，迈出了里程碑式的一步!即日起，模型权重和技术报告完全对外敞开怀抱!想象一下，一个AI模型不仅能看懂图片，还能像人类一样进行逻辑推理，解决复杂的视觉难题——这不再是科幻电影里的场景，而是 Skywork R1V 正在实现的能力!这款模型就像一位“AI界的福尔摩斯”，它擅长抽丝剥茧，通过多步骤的逻辑分析，从海量视觉信息中挖掘出深层含义，最终给出精准答案。 无论是破解视觉逻辑谜题，解答高难度的视觉数学题，还是分析图像中的科学现象，甚至是辅助医学影像的诊断推理，Skywork R1V 都能展现出惊人的实力。 要衡量一个AI模型的“智商”，数据最有说服力!在 Reasoning 推理能力方面，Skywork R1V 在权威的 MATH500和 AIME 基准测试中，分别斩获94.0和72.0的超高分!这意味着，无论是破解复杂的数学难题，还是进行严谨的逻辑推理，Skywork R1V 都能轻松胜任。
3/18/2025 6:05:00 PM
AI在线
  • 1