今天推荐一个 Dense Image Captioning 的最新技术 —— CapRL (Captioning Reinforcement Learning)。CapRL 首次成功将 DeepSeek-R1 的强化学习方法应用到 image captioning 这种开放视觉任务，创新的以实用性重新定义 image captioning 的 reward。
在文化遗产与人工智能的交叉处，有一类问题既美也难：如何让机器「看懂」古希腊的陶器——不仅能识别它的形状或图案，还能推断年代、产地、工坊甚至艺术归属？有研究人员给出了一条实用且富有启发性的答案：把大型多模态模型（MLLM）放在「诊断—补弱—精细化评估」的闭环中训练，并配套一个结构化的评测基准，从而让模型在高度专业化的文化遗产领域表现得更接近专家级能力。
直到我看到 Dedalus Labs 宣布完成 1100 万美元种子轮融资的消息，才意识到有人正在系统性地解决这个问题。这家由 Cathy Di 和 Windsor Nguyen 创立的公司，正在构建一个基础设施层，让开发者能够用 5 行代码就搭建起一个功能完整的 AI agent。这不是夸张的营销话术，而是他们真正在做的事情。
AI大house真来了。
凌晨三点，一个用户在 ChatGPT 的对话框里输入，「我已经没有办法再坚持了。」
当地时间 10 月 27 日，埃隆·马斯克为互联网带来了一个新的知识工具。这位亿万富翁名下的人工智能公司 xAI 推出了 Grokipedia，一个由 AI 生成的在线百科全书平台。马斯克在社交媒体 X 上宣称，这将是对维基百科（Wikipedia）的“巨大改进”，甚至称其为实现 xAI“理解宇宙”目标的“必要步骤”。但这个雄心勃勃的项目在上线几小时后就引发了争议。
人眼秒懂，AI抓瞎！网友用光学错觉玩坏大模型，全网百万人围观。
能看懂相机参数，并且生成相应视角图片的多模态模型来了。
周日晚上，都准备去睡觉了。结果在 X 上刷到一条消息，有个国外的博主说，MiniMax 的 M2 模型将会成为中国最好的模型，与 Sonnet 4.5 旗鼓相当。 我当时心里咯噔一下。MiniMax?
近日，在 CNCC2025 大会上，郑波首次公开了淘宝全模态大模型的最新进展，并系统介绍了多模态智能在淘宝 AIGX 技术体系的研究应用。另外，结合 AI 模型技术在淘宝应用中的实践，他认为，「狭义 AGI 很可能在 5-10 年内到来。」
