视觉价值模型（VisVM）通过「推理时搜索」来提升多模态视觉语言模型的图像描述质量，减少幻觉现象。实验表明，VisVM能显著提高模型的视觉理解能力，并可通过自我训练进一步提升性能。
随着 o1、o1 Pro 和 o3 的成功发布，我们明显看到，推理所需的时间和计算资源逐步上升。可以说，o1 的最大贡献在于它揭示了提升模型效果的另一种途径：在推理过程中，通过优化计算资源的配置，可能比单纯扩展模型参数更为高效。
本期《元动力》行业研究专栏聚焦大模型带来的芯片端投资机会，分享者是元禾控股集成电路产业投资部投资经理周文杰，将从AI服务器的发展现状及挑战、芯片端的投资机会、行业发展趋势维度进行展开。
12月30日，支付宝推出新一代AI视觉搜索产品“探一下”，基于自研的多模态大模型技术，可“用AI之眼探索万物”，提供更快速、有用、趣味的生成式搜索服务。
港科大团队重磅开源 VideoVAE+，提出了一种强大的跨模态的视频变分自编码器（Video VAE），通过提出新的时空分离的压缩机制和创新性引入文本指导，实现了对大幅运动视频的高效压缩与精准重建，同时保持很好的时间一致性和运动恢复。
韦伯区位问题源自一个经典的运筹优化问题，它首先由著名数学家皮耶・德・费马提出，后被著名经济学家阿尔弗雷德・韦伯（著名社会学家马克斯・韦伯的弟弟）扩展，在机器学习、人工智能、金融工程及计算机视觉等众多领域均有广泛应用。
大模型的的发布固然令人欣喜，但是各类测评也是忙坏了众多 AI 工作者。大模型推理的幻觉问题向来是 AI 测评的重灾区，诸如 9.9>9.11 的经典幻觉问题，各大厂家恨不得直接把问题用 if-else 写进来。
在纷繁的神经回路与信息流动之间，我们徘徊在智能的边缘，试图捕捉那一抹瞬息即逝的光芒。
2024年，埃隆·马斯克再一次站在全球科技创新的中心舞台。这一年，马斯克既有开源Grok模型、重磅升级生成式AI，又有对OpenAI的诉讼与和解；他大胆预言“AI间的较量决定未来”，同时开启与Midjourney、甲骨文等科技巨头的合作，令行业瞩目。
这两天的大模型圈子，可谓是热闹非凡。一边，DeepSeek凭借其低成本、高性能的亮眼表现，吸引着无数目光，各路技术大牛纷纷点赞。
