TAG:视觉理解

阿里正式推出新一代多模态智能体模型Qwen3.7-Plus，标志着通义千问在多模态领域的重大技术飞跃。该模型强化了视觉-语言能力，能更精准理解复杂图像和视频，并转化为深度逻辑推理；同时在编程代码生成、工具调用和复杂工作流方面表现出色，适用于企业级自动化任务。这一升级推动大模型向具身智能和智能体化演进，为产业智能化和机器人应用提供强大计算底座。

aibase

2026-06-02 09:11

1

·

0

本文介绍了ICML 2026上提出的Visual Para-Thinker，这是首个针对大规模视觉语言模型的并行思考框架。它解决了视觉任务中深度推理面临的注意力漂移和视觉幻觉问题，通过引入Pa-Attention和LPRoPE机制，实现了不同推理路径的隔离性、无偏性和可区分性。框架采用以视觉为中心的路径划分方式，包括块划分和扫描划分，并结合混合训练策略，有效提升了模型在视觉理解任务中的性能。

具身研习社

2026-05-26 10:21

0

·

0

快手发布新一代旗舰多模态模型Keye-VL-671B-A37B，该模型具备'善看会想'特性，在通用视觉理解、视频分析和数学推理等核心能力上实现突破。采用DeepSeek-V3-Terminus作为基座，通过三阶段预训练和系统优化，显著提升了多模态理解与复杂推理能力。未来将强化多模态Agent能力，支持工具调用和深度思考，推动多模态AI向更通用、可靠的方向发展。

爱力方

2025-11-28 18:00

7

·

0