https://www.neican.ai/tags/%E8%A7%86%E8%A7%89%E8%AF%AD%E8%A8%80%E6%A8%A1%E5%9E%8B/ Recent content in 视觉语言模型 on AI内参 Hugo zh-cn Wed, 24 Jun 2026 18:40:06 +0800 https://www.neican.ai/insights/joyai-vl-interactionagi-20260624184006794-1/ Wed, 24 Jun 2026 18:40:06 +0800 https://www.neican.ai/insights/joyai-vl-interactionagi-20260624184006794-1/ 京东通过开源JoyAI-VL-Interaction，实现了多模态AI从被动响应向自主流式交互的范式转换。这一战略不仅解决了AI进入物理世界的感知壁垒，更通过开源生态构建了具身智能时代的稀缺数据闭环。 https://www.neican.ai/insights/vlm-20260608164004705-1/ Mon, 08 Jun 2026 16:40:04 +0800 https://www.neican.ai/insights/vlm-20260608164004705-1/ VLM³框架揭示了通用视觉语言模型具备原生的三维感知潜力，通过统一的文本化建模极大简化了传统复杂的三维视觉任务链路。这一突破不仅挑战了专家模型在细粒度感知任务上的统治地位，也为具身智能与机器人在物理世界的广泛应用奠定了统一的架构基础。 https://www.neican.ai/insights/deepseek-ocrllm-20251021094004838-0/ Tue, 21 Oct 2025 09:40:04 +0800 https://www.neican.ai/insights/deepseek-ocrllm-20251021094004838-0/ DeepSeek-OCR的“视觉即压缩”范式，通过将复杂文档高效编码为少量视觉Token，为LLM长上下文处理提供了革命性解决方案。这项开源技术显著优化了算力成本，并实现了每日数千万页训练数据生成能力，预示着多模态AI模态融合的未来，及其对AI Agent和整个产业生态的深远重塑。 https://www.neican.ai/insights/ibm-granite-docling-258mai-20251014131004729-0/ Tue, 14 Oct 2025 13:10:04 +0800 https://www.neican.ai/insights/ibm-granite-docling-258mai-20251014131004729-0/ IBM发布的Granite-Docling-258M是一款参数量仅2.58亿的开源视觉语言模型，却能高保真地进行文档转换，特别是精准保留复杂结构。这标志着AI模型正走向专业化、轻量化和边缘化，不仅极大提升了企业数据利用效率，也为RAG等高级AI应用提供了关键支撑，预示着AI普惠化与去中心化的新趋势。 https://www.neican.ai/insights/evo-0-20250928204009928-1/ Sun, 28 Sep 2025 20:40:09 +0800 https://www.neican.ai/insights/evo-0-20250928204009928-1/ Evo-0模型通过隐式注入3D几何先验，有效解决了视觉语言动作（VLA）模型在物理世界中缺乏3D空间理解力的难题，显著提升了机器人操作成功率和训练效率。这一轻量化、高鲁棒性的技术突破，不仅将降低先进机器人的部署成本和复杂性，加速其在物流、服务、工业等领域的商业化应用，更推动了通用机器人策略的发展，引发对人机协作、劳动力市场和AI伦理的深层哲学思辨。 https://www.neican.ai/insights/bai-20250904161004697-2/ Thu, 04 Sep 2025 16:10:04 +0800 https://www.neican.ai/insights/bai-20250904161004697-2/ 苹果通过开源FastVLM和MobileCLIP2等端侧AI小模型，坚定地回归设备侧智能，这标志着其在AI时代的重要战略转向。此举旨在利用极致的隐私保护、无缝的用户体验和高效的硬件利用，挑战云端大模型主导的产业格局，为个性化、无处不在的智能体验奠定基础。 https://www.neican.ai/insights/article-20250621181004290-0/ Sat, 21 Jun 2025 18:10:04 +0800 https://www.neican.ai/insights/article-20250621181004290-0/ 苹果公司一篇质疑大型语言模型（LLM）推理能力和存在“准确率崩溃”的论文，在AI社区引发了激烈辩论，挑战了“规模化即一切”的行业信念。尽管面临来自AI专家和AI模型Claude本身的驳斥，但纽约大学教授加里·马库斯反驳了这些质疑，并获得了Salesforce和UC伯克利研究的间接支持，这些研究揭示了LLM在多轮推理和视觉理解上的脆弱性与隐私问题，促使业界重新思考AI的评估范式和神经符号结合等未来架构方向。