AI看图一本正经胡说八道？「一拉一推」让模型看得全又准｜微软x清华
AI看图一本正经胡说八道？「一拉一推」让模型看得全又准｜微软x清华随着视觉-语言模型（VLM）推理能力不断增强，一个隐蔽的问题逐渐浮现： 很多错误不是推理没做好，而是“看错了”。
来自主题: AI技术研报
8412 点击 2026-02-09 14:56
# 热门搜索 #
大模型
人工智能
openai
融资
chatGPT
搜索
随着视觉-语言模型（VLM）推理能力不断增强，一个隐蔽的问题逐渐浮现： 很多错误不是推理没做好，而是“看错了”。
"我最初装上Codex时说，绝不会让它完全控制我的电脑。这句话大概坚持了两小时。"OpenAI CEO Sam Altman在Cisco AI Summit上坦承，自己现在用两台笔记本电脑工作——一台
很多人都没注意到，谷歌悄悄放了一个大招，既不是 Gemini 也不是 nano banana pro，而是一份报告。这份报告调研了全球 3446 名企业高管（这些企业年营收都不低于 1000 万美元，不是小卡拉米）。
训练一个生成模型是很复杂的一件事儿。 从底层逻辑上来看，生成模型是一个逐步拟合的过程。与常见的判别类模型不同，判别类模型通常关注的是将单个样本映射到对应标签，而生成模型则关注从一个分布映射到另一个分布。
初创公司 Xmax AI 推出的首个虚实融合的实时交互视频模型 X1，没有复杂的 Prompt，不需要漫长的渲染等待，只需要手势进行交互，就可以让虚拟世界与现实相连，在镜头中令「幻想」成真，让用户体验到实时交互的心流体验。
Claude，堪称AI界「老油条」。这不，沃顿商学院Ethan Mollick教授发现，Claude Opus 4.6会自主决定「思考」时间。只要不涉及编程、数学的任务，哪怕是再难的问题，干活主打一个「偷工减料」。
大规模表格模型（LTM）而非大规模语言模型（LLM）的 Fundamental 公司 Nexus 模型，在多个重要方面突破了当代人工智能实践。该模型具有确定性——即每次被询问相同问题时都会给出相同答案——且不依赖定义当代大多数人工智能实验室模型的 Transformer 架构 。
这周真的特别期待，应该可以看到各路厂商神仙打架。这股战火，从周末就开始了。 除了字节发布的Seedance2.0以外，还有个神秘的模型Pony Alpha 也上线到OpenRouter了，已经看到很多网友们纷纷猜测到底是谁家的模型。
27岁独立开发者靠它月入数万，前市场经理睡觉时它写邮件赚钱，柏林辍学生卖自定义技能赚12.7万美元——AI智能体的「iPhone时刻」已来，只是钱还没平均分。
梦瑶 发自 凹非寺 量子位 | 公众号 QbitAI 不是，谁也没跟我说今年的AI春节大战搞得这么猛猛猛啊！？！ 年还没到呢，可灵就超绝不经意甩出一个「过大年计划」：推出可灵3.0多模态全家桶。 让每