o3绞尽脑汁仅答对40%的题目，开源模型基本乱猜？MMSI-Bench：多图空间智能试金石
o3绞尽脑汁仅答对40%的题目，开源模型基本乱猜？MMSI-Bench：多图空间智能试金石AI能看图，也能讲故事，但能理解“物体在哪”“怎么动”吗？ 空间智能，正是大模型走向具身智能的关键拼图。
来自主题: AI技术研报
5837 点击 2025-06-11 15:58
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
AI能看图，也能讲故事，但能理解“物体在哪”“怎么动”吗？ 空间智能，正是大模型走向具身智能的关键拼图。
谁说强化学习只能是蛋糕上的樱桃，说不定，它也可以是整个蛋糕呢？
本文将介绍 DeepMath-103K 数据集。该工作由腾讯 AI Lab 与上海交通大学团队共同完成。
视觉注意力机制，又有新突破，来自香港大学和英伟达。
第一作者陈昌和是美国密歇根大学的研究生，师从 Nima Fazeli 教授，研究方向包括基础模型、机器人学习与具身人工智能，专注于机器人操控、物理交互与控制优化。
近年来，大语言模型（LLM）以其卓越的文本生成和逻辑推理能力，深刻改变了我们与技术的互动方式。然而，这些令人瞩目的表现背后，LLM的内部机制却像一个神秘的“黑箱”，让人难以捉摸其决策过程。
大幅缓解LLM偏科，只需调整SFT训练集的组成。
在大语言模型蓬勃发展的背景下，Transformer 架构依然是不可替代的核心组件。尽管其自注意力机制存在计算复杂度为二次方的问题，成为众多研究试图突破的重点
为什么语言模型能从预测下一个词中学到很多，而视频模型却从预测下一帧中学到很少？
游戏直播等实时渲染门槛要被击穿了？Adobe 的一项新研究带来新的可能。