现有视觉语言大模型（VLMs）在多模态感知和推理任务上仍存在明显短板：1. 对图像中的细粒度视觉信息理解有限，视觉感知和推理能力未被充分激发；2. 强化学习虽能带来改进，但缺乏高质量、易扩展的 RL 数据。
你知道“支付宝”已经杀入AI医疗赛道了吧……
大语言模型（LLM）不仅在推动通用自然语言处理方面发挥了关键作用，更重要的是，它们已成为支撑多种下游应用如推荐、分类和检索的核心引擎。尽管 LLM 具有广泛的适用性，但在下游任务中高效部署仍面临重大挑战。
“我有两张券，分别为满1000减140、满2000减280，我看中商品的价格分别为……分两次结算怎么凑单最划算？”双11开启后，在社交平台上，有人向Deepseek抛出这个问题。
近日刚好得了空闲，在研读 Anthropic 官方技术博客和一些相关论文，主题是「Agent 与 Context 工程」。2025 年 6 月以来，原名为「Prompt Engineering」的提示词工程，在 AI Agent 概念日趋火热的应用潮中，
在视频生成与理解的赛道上，常常见到分头发力的模型：有的专注做视频生成，有的专注做视频理解（如问答、分类、检索等）。而最近，一个开源项目 UniVid，提出了一个「融合」方向：把理解 + 生成融为一体 —— 他们希望用一个统一的模型，兼顾「看懂视频」+「生成视频」的能力。
那个叫大模型的高手，被下毒了
据业内人士透露，微软已向英特尔下达其下一代人工智能芯片Maia 2的晶圆代工订单，计划采用英特尔的18A或18A-P制程。该芯片或将用于微软Azure数据中心等人工智能基础设施。
美国麻省理工学院李巨团队在国际顶尖学术期刊Nature上发表了一篇研究论文，展示了一种多模态机器人平台CRESt（Copilot for Real-world Experimental Scientists），通过将多模态模型（融合文本知识、化学成分以及微观结构信息）驱动的材料设计与高通量自动化实验相结合，大幅提升催化剂的研发速度和质量。
前OpenAI研究员Karina Nguyen宣布创立时尚品牌Maison AGI，首个系列就前OpenAI研究员Karina Nguyen宣布创立时尚品牌Maison AGI，首个系列就与Ilya Sutskever合作，甚至要推出一顶以他头型为原型的帽子。她称，这可能是人类在被AI超越前，最后一次「手作」。当科学家成了灵感缪斯，研究员开始做纪念品，AI的故事，正从技术革命变成人类的自我信仰。
