大模型如何准确读懂图表？微软亚研院教它“看、动手、推理”
大模型如何准确读懂图表？微软亚研院教它“看、动手、推理”多模态大模型（MLLM）在自然图像上已取得显著进展，但当问题落在图表、几何草图、科研绘图等结构化图像上时，细小的感知误差会迅速放大为推理偏差。
来自主题: AI技术研报
6660 点击 2025-11-03 14:20
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
多模态大模型（MLLM）在自然图像上已取得显著进展，但当问题落在图表、几何草图、科研绘图等结构化图像上时，细小的感知误差会迅速放大为推理偏差。
刚刚，Qwen推出了新图像编辑模型——Qwen-Image-Edit-2509。不仅支持多图融合，提供“人物+人物”，“人物+商品”，“人物+场景” 等多种玩法，还增强了人物、商品、文字等单图一致性。
这两天，Nano Banana正式上线后，已经刷爆了我的所有社交媒体，而它，现在也成了AI绘图领域，口喷改图的当之无愧的版本真神。
爆火的神秘图像编辑模型nano-banana，终于脱掉了“香蕉皮”！ 就在今天，谷歌官方认领，并表明这个模型其实是Gemini 2.5 Flash Image。
神秘AI模型Nano-Banana火了，冒出一堆假网站，李鬼和李逵傻傻分不清。 最近，AI 社区又冒出一个神秘的图像生成和编辑模型，名叫 Nano-Banana。
是不是以为我又标题党了。 但是这玩意我觉得真的够强，在我实际工作中也已经用上好几天，所以，体验下来，我是真的觉得对的这个史诗级名号。 这个神秘的AI绘图的新模型，叫做，Nano Banana。
听说了吗，GPT-5这两天那叫一个疯狂造势，奥特曼怕不是真有些急了（doge）。
那是 1964 年，德国南部的小城爱尔兰根，阳光洒落在西门子数据中心的窗格上，一台名为 Zuse Graphomat Z64 的绘图仪静静运转着。 它并不懂何为艺术，却在工业数学家 Georg Nees 的指令下，画出了世界上最早一批由计算机生成的图像。
嗨大家好！ 上次我的好基友一泽@一泽Eze 写了非常详细全面的半年度总结，当时他问我要不要写，我随口一说真不错啊我也准备写。
AMD携手Stability AI宣布推出世界首款适用于Stable Diffusion 3.0 Medium的B16 NPU模型。该模型可直接运行于AMD XDNA 2 NPU之上，能够显著提升图像生成质量。新模型作为Amuse 3.1平台的组件之一亮相，于今天一起发布。