Inilathala ng DeepSeek ang teknikal na ulat ng multimodal na modelo
AI summary
Inilabas ng DeepSeek ang multimodal na malaking modelo at teknikal na ulat nito, na nagmumungkahi ng makabagong framework na "pag-iisip batay sa visual primitive." Ginagamit ng framework na ito ang mga visual element tulad ng punto at bounding box bilang pangunahing yunit ng pangangatwiran, na naglalayong lutasin ang pangunahing problema ng "reference gap" ng multimodal na modelo sa mga gawaing may spatial reference, upang maikabit ng modelo ang abstract na kognisyon sa partikular na coordinate ng larawan. Sa kabila ng compact na sukat ng modelo at mababang budget sa image token, ang performance nito sa maraming mapaghamong benchmark sa pagbilang at spatial reasoning ay maihahambing sa mga frontier model tulad ng GPT-5.4.
Mahahalagang impormasyon
- Inilabas ng DeepSeek ang multimodal na malaking modelo at teknikal na ulat nito,na nagmumungkahi…
- " Ginagamit ng framework na ito ang mga visual element tulad ng punto at bounding box bilang…
- Sa kabila ng compact na sukat ng modelo at mababang budget sa image token,ang performance nito sa…
Mabilisang tingin
- Na-publish noong
- Na-update noong
- Pinagmulan
- IT之家·人工智能
- Kategorya
- Paglabas ng modelo
- AI na marka
- 72
DeepSeek 把视觉概念直接变成推理单元,绕开了语言描述空间的先天模糊,在空间推理上把自家紧凑模型拉到和 GPT-5.4 一个水平,做多模态应用的人值得细读。
Kaugnay na Entity
Pinagmulan at copyright
Ang artikulong ito ay batay sa mga piling pamagat at AI summary mula sa pampublikong API ng AIHOT, may nakasaad na pinagmulan at backlink; ang copyright ng orihinal na teksto ay pag-aari ng orihinal na media at may-akda, hindi namin ginagaya ang buong teksto.
Paano banggitin
Kapag binabanggit ang artikulong ito, panatilihin ang pamagat, petsa at permanenteng link, at banggitin ang Orange News bilang pinagmulan.
Orange News: Inilathala ng DeepSeek ang teknikal na ulat ng multimodal na modelo. 30 Abril 2026. https://new.nat6.net/fil/news/cmolmfc6k00gssll961k7jpsx/