端到端GUI智能体首次实现“犯错-反思-修正”闭环，模拟人类认知全过程
端到端GUI智能体首次实现“犯错-反思-修正”闭环，模拟人类认知全过程端到端多模态GUI智能体有了“自我反思”能力！南洋理工大学MMLab团队提出框架GUI-Reflection。
来自主题: AI技术研报
10884 点击 2025-06-12 12:11
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
端到端多模态GUI智能体有了“自我反思”能力！南洋理工大学MMLab团队提出框架GUI-Reflection。
“先推理、再作答”，语言大模型的Thinking模式，现在已经被拓展到了图片领域。
DeepSeek-R1 作为 AI 产业颠覆式创新的代表轰动了业界，特别是其训练与推理成本仅为同等性能大模型的数十分之一。多头潜在注意力网络（Multi-head Latent Attention, MLA）是其经济推理架构的核心之一，通过对键值缓存进行低秩压缩，显著降低推理成本 [1]。
大雄：（趴在书桌前抓头发）哆啦 A 梦！今天的作文题目是《未来的机器人》，可是我要写800字！写不完啦！哆啦 A 梦：（得意叉腰）别担心！我刚从22世纪带来了「超高效作业处理器」——FlashMLA 魔盒！它能让写作文像吃铜锣烧一样快哦！
DeepSeek-R1背后关键——多头潜在注意力机制（MLA），现在也能轻松移植到其他模型了！
刚刚，万众瞩目的DeepSeek，开源了他们第一天的项目。FlashMLA是一款面向Hopper GPU的高效MLA解码内核，并针对可变长度序列的服务场景进行了优化。
DeepSeek开源周第一天就放大招！FlashMLA强势登场，这是专为英伟达Hopper GPU打造MLA解码内核。注意，DeepSeek训练成本极低的两大关键，一个是MoE，另一个就是MLA。
上周五，DeepSeek 发推说本周将是开源周（OpenSourceWeek），并将连续开源五个软件库。第一个项目，果然与推理加速有关。北京时间周一上午 9 点，刚一上班（同时是硅谷即将下班的时候），DeepSeek 兑现了自己的诺言，开源了一款用于 Hopper GPU 的高效型 MLA 解码核：FlashMLA。
OpenAI o1和DeepSeek-R1靠链式思维（Chain-of-Thought, CoT）展示了超强的推理能力，但这一能力能多大程度地帮助视觉推理，又应该如何细粒度地评估视觉推理呢？
外媒SemiAnalysis的一篇深度长文，全面分析了DeepSeek背后的秘密——不是「副业」项目、实际投入的训练成本远超600万美金、150多位高校人才千万年薪，攻克MLA直接让推理成本暴降......