DeepSeek,OCR 2,VLM架构,AI读图,大模型,AI资讯,AGI,LLM,人工智能,视觉语言模型,深度学习,开源模型,AI新闻,智东西

深入解读DeepPHY基准，揭示GPT-4o、Claude等顶级VLM在《愤怒的小鸟》等6款物理游戏中表现不佳，暴露其物理推理与交互控制的严重脱节，性能甚至不如随机猜测。

VLM-NEO，华人团队开源的原生多模态大模型，以更少数据实现顶级性能，革新AI训练范式，探索AGI新路径，提供最新AI资讯。

VAGEN框架通过强化学习，训练VLM智能体构建内部世界模型，奖励其「三思而后行」的推理过程，而非最终行动，是AI领域的重大突破。获取最新AI资讯，就上AIGC导航。

上海AI Lab发布ShotBench，专为电影摄影理解设计，其ShotVL模型在景别、构图等8大维度上超越GPT-4o，刷新SOTA，推动大模型（LLM）电影感认知新高度。

深入解读MoCa框架，一种将单向VLM转为双向多模态编码器的革命性方法。通过持续预训练和异构对比微调，解决表示能力弱、泛化性差等问题，实现性能飞跃，定义下一代多模态AI。