★ 4
OpenAI 发布 GPT-6.1 Terra，主打视觉推理与电脑操作
OpenAI 推出 GPT-6.1 Terra，定位快速高效的中端模型，强化详细视觉推理与精准电脑操作，并提升写作自然度，较 GPT-5.6 Terra 显著升级。OpenAI 的 Ted Sanders 称其在技术沟通上优于 Astra 与 Sol，视觉与电脑操作相近但速度更快，适合 API 开…
Simon Willison Blog6 天前
#视觉推理
共 6 篇相关资讯，按重要度与时间排序，每 3 小时更新。
★ 4
HSS 基准测试多模态模型直觉视觉推理，GPT-6 Astra 仅 53.6%
论文提出「人类第六感」（HSS）基准，用于评测多模态大模型的直觉视觉推理能力，覆盖图像与视频输入，按时间、空间、社会与抽象结构分类。结果显示人类参与者准确率达 93.1%，而最强模型 GPT-6 Astra 即便在最大推理努力下也仅 53.6%。研究还尝试了动态视觉操作的智能体方案，虽缩小差距但未…
arXiv cs.AI24 天前
★ 3
Elorian 发布首个 AI 模型 Glimpse，主打图像推理
Elorian 推出其首个 AI 模型 Glimpse，定位为直接对图像进行推理而非仅描述图像。据其评测，Glimpse 在科学图表推理和短视频字幕任务上超过 GPT-6 Astra，在其他视觉推理任务上也具竞争力。
TechCrunch AI16 天前
★ 3
AdaC-GRPO：自适应课程强化学习攻克长程视觉数独
研究者提出 FG-Sudoku 细粒度基准，按网格大小与推理步数分级，发现前沿多模态大模型在 9×9 长程依赖数独上近乎零成功率，导致标准 RLVR 奖励稀疏而失效。为此提出 AdaC-GRPO，通过在线 rollout 准确率追踪模型「最近发展区」动态构建训练批次。实验显示其使 Qwen2.5-…
arXiv cs.AI20 天前
★ 3
UniCAR-RL：视觉数学推理的解耦强化学习框架
研究者提出 UniCAR-RL，一个无需标注的强化学习框架，用于提升多模态大模型在视觉数学推理中的表现。该框架将感知与推理能力在训练中显式解耦，分为 Caption-RL、Reasoning-RL 和 QA-RL 三个协同分支，分别优化感知、逻辑推理和端到端问答。实验表明，仅用原始短答案数据即可显…
arXiv cs.AI47 天前
★ 2
arXiv 论文提出 OVC 框架，改进多模态强化学习信用分配
该论文指出，RLVR 将单一响应级优势统一分配给所有 token，忽视了视觉观察与后续推理的不同作用。作者提出 Outcome-Conditioned Visual Credit（OVC）插件框架，将视觉关联度量与 token 级信用分配解耦，并通过相对视觉编码、结果条件证据校准与归一化信用分配三…
arXiv cs.AI6 天前
这个主题的相关资产
相关公司OpenAI1