首个多模态统一CoT奖励模型来了，模型、数据集、训练脚本全开源
腾讯混元等联合提出的新模型UnifiedReward-Think能进行长链式推理，首次让奖励模型在视觉任务上真正 ‘学会思考’。该研究提出了三阶段训练框架，并展示了其在多个视觉任务中的出色表现和可靠性。
机器之心
ICML 2025 长视频理解新SOTA！蚂蚁&人大开源ViLAMP-7B，单卡可处理3小时视频
蚂蚁和中国人民大学的研究团队提出ViLAMP模型，实现对超长视频的高效处理。ViLAMP通过混合精度策略，在关键帧上保持高精度分析，大幅提升了视频理解效率，并在多个基准测试中超越现有方案。
CVPR2025｜MCA-Ctrl：多方协同注意力控制助力AIGC时代图像精准定制化
本文提出了一种无需微调的通用图像定制方法——多主体协同注意力控制（MCA-Ctrl），通过扩散模型实现精确的背景和布局控制，解决了现有技术方案中的关键瓶颈。
强迫模型自我争论，递归思考版CoT热度飙升！网友：这不就是大多数推理模型的套路吗？
CoRT（Chain-of-Recursive-Thoughts）结合递归思考与自我批判，提升语言模型推理能力。两周内GitHub星标数突破2k。
早融合 VS 晚融合，Natvie 多模态大模型的 Scaling Law 有所不同吗？
本周解读机器之心PRO会员通讯第19期，涵盖2项专题解析及29项AI&Robotics要事速递。重点讨论了Native多模态模型的训练过程差异以及早融合晚融合的优劣。
SIGGRAPH 2025 快手可灵团队提出3D感知的可控电影级视频生成工作CineMaster！
近期，可灵研究团队推出的CineMaster电影级文本到视频生成框架允许用户通过3D感知控制目标和相机运动来创作高质量视频内容。该方法在SIGGRAPH 2025会议中被收录，并展示了从任意视频中提取3D控制信号的数据构建流程。
转身世界就变样？WorldMem用记忆让AI生成的世界拥有了一致性
本文介绍了一种名为WorldMem的世界生成模型，通过引入记忆机制解决了上下文时间窗口受限导致的一致性问题，在Minecraft数据集上进行验证并展示良好效果。
