多模态模型学会“按需搜索”，少搜30%还更准！字节&NTU新研究优化多模态模型搜索策略
字节及南洋理工大学联合研究，提出一种基于强化学习的多模态模型自主搜索训练方法，在视觉问答任务中显著提升性能，减少约30%的搜索次数。
南洋理工大学S-Lab
ICLR 2025 原生3D+流匹配，现有SOTA被GaussianAnything超越
南洋理工大学等提出基于Flow Matching的3D生成框架GaussianAnything，支持多模态可控的高效、高质量3D生成，适用于图片和文本条件。