20个样本，搞定多模态思维链！UCSC重磅开源：边画框，边思考
20个样本，搞定多模态思维链！UCSC重磅开源：边画框，边思考GRIT能让多模态大语言模型（MLLM）通过生成自然语言和图像框坐标结合的推理链进行「图像思维」，仅需20个训练样本即可实现优越性能！
来自主题: AI技术研报
7341 点击 2025-06-19 11:03
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
GRIT能让多模态大语言模型（MLLM）通过生成自然语言和图像框坐标结合的推理链进行「图像思维」，仅需20个训练样本即可实现优越性能！
「编程的未来是Human语言」，AI掀起编程70年来最大变革，从对话到代码，「氛围编程」与自然语言成为主角。老黄预言，AI让人人都能成为人机交互的桥梁。
「市象」获悉，段楠已在其GitHub主页悄然更新履历：现任京东探索研究院视觉与多模态实验室负责人，带领研究团队研发视觉和多模态基础模型。此前，他曾任阶跃星辰Technical Fellow(2024-2025)和微软亚洲研究院自然语言计算团队资深首席研究员和研究经理(2012-2024)。
豆包的一句话P图功能，又进化了！各种高考祝福、网络梗图、大片级精修、设计师草稿，无不是信手拈来。此刻，AI P图再次迎来降维打击，只要用自然语言，就能实现精准的图片编辑。可以说，AI修图终于来到了3.0时代！
在生成式 AI 重塑搜索形态的当下，Perplexity 正以“答案”为核心，重构信息入口。它不是聊天机器人，也不是传统搜索引擎，而是一种 “认知界面”——通过自然语言对话，为用户提供可验证、可引用的真实答案 。
IBM 于 6 月 2 日宣布已收购 Seek AI，这是一个允许用户使用自然语言查询企业数据的 AI 平台，具体收购金额未披露。
AI编程工具正引发技术革命，Cursor等产品通过自然语言交互颠覆传统编程模式，显著提升开发效率。全球创业公司竞逐AI Coding赛道，但技术成熟度、商业化路径仍面临挑战。中国企业在安全定制、垂直领域探索机会，行业期待通过代码平权重构开发生态，推动AGI实现进程。
上周，有媒体曝出了美团的 AI 零代码工具 NoCode，这是一款无需编程背景和经验，仅通过自然语言和对话形式即可快速生成应用的工具。 顾名思义，NoCode 可帮助很多人以「零代码」的方式创建个人提效工具、产品原型、可交互页面等。它不仅能生成代码，还可以进行实时预览，局部修改并一键部署，大幅降低了开发的门槛，可以帮助更多人释放创意。
简单来说，Google Stitch 是一款由 AI 驱动的 UI 设计工具，能根据你的自然语言描述，自动生成高质量的网页和移动端界面。不止如此，它还支持直接导出 HTML/CSS 代码，甚至可以一键粘贴进 Figma，实现从原型到上线的无缝衔接。
在刚刚结束的 Google I/O 开发者大会中，Google 宣布上线由 Gemini 驱动的高级 AI 搜索模式 AI Mode，可以应对复杂问题，支持追问。与之前的 AI Overviews 对 AI 搜索的浅尝辄止不同，Google 终于不再死抱着“关键词+链接列表”，开始拥抱“自然语言交互+结构化答案”的“新”范式了。