AI看图一本正经胡说八道？「一拉一推」让模型看得全又准｜微软x清华
AI看图一本正经胡说八道？「一拉一推」让模型看得全又准｜微软x清华随着视觉-语言模型（VLM）推理能力不断增强，一个隐蔽的问题逐渐浮现： 很多错误不是推理没做好，而是“看错了”。
来自主题: AI技术研报
8178 点击 2026-02-09 14:56
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
随着视觉-语言模型（VLM）推理能力不断增强，一个隐蔽的问题逐渐浮现： 很多错误不是推理没做好，而是“看错了”。
来自上海交通大学、清华大学、微软研究院、麻省理工学院（MIT）、上海 AI Lab、小红书、阿里巴巴、港科大（广州）等机构的研究团队，系统梳理了近年来大语言模型在数据准备流程中的角色变化，试图回答一个业界关心的问题：LLM 能否成为下一代数据管道的「智能语义中枢」，彻底重构数据准备的范式？
国产开源具身世界模型，直接秒了Pi-0.5，而且还是几位清华硕、博士研究生领衔推出的。这就是由生数科技联合清华大学，正式开源的大一统世界模型——Motus。
今天，北京多模态生成技术创企生数科技宣布完成超过6亿元人民币A+轮融资。生数科技还披露，2025年该公司实现用户和收入超10倍增长，用户和业务覆盖全球200多个国家和地区。
继OpenAI大神姚顺雨之后，腾讯AI再添猛将！95后清华「天骄」庞天宇，正式入职腾讯，出任混元首席研究科学家，负责多模态强化学习。腾讯的大模型「梦之队」版图，正在极速扩张。
清华校友创业，美团腾讯持股。
今天，清华大学 THUNLP 实验室、东北大学 NEUIR 实验室、OpenBMB 、面壁智能与 AI9Stars 联合发布 UltraRAG 3.0 ，针对上述痛点，为科研工作者与开发者打造更懂开发者的技术框架，具备 3 大核心优势：
这篇新论文提出了一种非常简单的新激活层 Derf（Dynamic erf），让「无归一化（Normalization-Free）」的 Transformer 不仅能稳定训练，还在多个设置下性能超过了带 LayerNorm 的标准 Transformer。
大模型推理的基石 vLLM，现在成为创业公司了。
如何让机器人同时具备“本能反应”与复杂运动能力？