多模态推理

阶跃Step 3把推理效率卷到DeepSeek的3倍，还拉来了国产芯片半壁江山｜WAIC2025

作者

阶跃星辰发布新一代基础大模型 Step 3，强调多模态推理能力和国产芯片友好性。该模型已在多个榜单上表现出色，并将在7月31日开源。同时，阶跃成立「模态生态创新联盟」，联合多家国产芯片厂商推动大模型落地应用。

昆仑万维开源Skywork-R1V3：38B多模态推理模型，高考数学142分刷新开源SOTA

作者

昆仑万维Skywork-R1V3-38B开源多模态模型在高考数学、物理等跨学科任务上超越同规模闭源模型，实现视觉-语言推理新标杆。支持图像文本联合解析、多图融合、教育级链式思维展示等功能。

ICML2025｜多模态理解与生成最新进展：港科联合SnapResearch发布ThinkDiff，为扩散模型装上大脑

作者

多模态理解与生成新方法ThinkDiff在ICML2025上提出，仅需少量数据和计算资源，让扩散模型具备推理能力，并通过视觉-语言训练和掩码策略传递VLM的多模态推理能力，大幅提高图像生成质量。

VRAG-RL：阿里开源多模态RAG推理框架，视觉信息理解与生成的“新引擎”！

作者

阿里巴巴通义大模型团队推出VRAG-RL多模态RAG推理框架，通过视觉感知驱动和强化学习优化提升VLMs处理视觉丰富信息的能力。支持多轮交互、动态调整策略等，应用场景包括智能文档问答、视觉信息检索、多模态内容生成等。