带图推理碾压同类开源模型！港中文微软等开源OpenThinkIMG框架，教AI学会使用视觉工具
带图推理碾压同类开源模型！港中文微软等开源OpenThinkIMG框架，教AI学会使用视觉工具教AI学会使用工具，带图推理就能变得更强？！
来自主题: AI技术研报
7111 点击 2025-05-17 16:03
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
教AI学会使用工具，带图推理就能变得更强？！
强化学习（RL）+真实搜索引擎，可以有效提升大模型检索-推理能力。
该工作由南洋理工大学陶大程教授团队与武汉大学罗勇教授、杜博教授团队等合作完成。
前谷歌 CEO&董事长 Eric Schmidt 近日在 TED 上表示， AI 被严重低估了，它不仅是语言工具，而是未来战略规划、科学发现乃至国家安全与地缘政治格局的核心力量。
AI在职场普及导致专业能力被解构，领导过度依赖AI修改员工工作成果，削弱专业判断。案例显示，文案、设计、媒体等行业面临AI生成内容适配性差、决策主观化等问题，技术平权虽提升效率却引发专业性被藐视、思考能力退化等争议，类比互联网发展预示AI可能重塑社会协作模式。
刚刚，鹅厂把文生图卷出了新高度——发布混元图像2.0模型（Hunyuan Image 2.0），首次实现毫秒级响应，边说边画，实时生成！用户一边描述，它紧跟着绘制，整个过程那叫一个丝滑。不用等待，专治各种没有耐心。
苹果近期开源本地端侧视觉语言模型FastVLM，支持iPhone等设备本地运行，具备快速响应、低延迟和多设备适配特性。该模型依托自研框架MLX和视觉架构FastViT-HD，通过算法优化实现高效推理，或为未来智能眼镜等新硬件铺路，体现苹果将AI深度嵌入系统底层的战略布局。
近日，腾讯 PCG 社交线的研究团队针对这一问题，采用强化学习（RL）训练方法，通过分组相对策略优化（Group Relative Policy Optimization, GRPO）算法，结合基于奖励的课程采样策略（Reward-based Curriculum Sampling, RCS），将其创新性地应用在意图识别任务上，
最近，Google 推出了一个可以精准控制画面中光影的项目 —— LightLab。 它让用户能够从单张图像实现对光源的细粒度参数化控制， 可以改变可见光源的强度和颜色、环境光的强度，并且能够将虚拟光源插入场景中。
多模态大模型（Multimodal Large Language Models, MLLM）正迅速崛起，从只能理解单一模态，到如今可以同时理解和生成图像、文本、音频甚至视频等多种模态。正因如此，在AI竞赛进入“下半场”之际（由最近的OpenAI研究员姚顺雨所引发的共识观点），设计科学的评估机制俨然成为决定胜负的核心关键。