阶跃多模态团队提出「慢感知」概念：迈向视觉system2 (o1) 的第一步
论文提出慢感知概念，通过分解和流动感知几何图形来提高视觉系统2的精细感知能力。研究显示，慢感知能提升模型对几何线段的解析能力，并在多种指标上优于基线方法。
PaperWeekly
国产模型如何追上多模态OpenAI o1？你需要知道的全在这
Kimi 团队发布了最新的多模态推理大模型 Kimi k1.5，其性能与正式版 o1 最为接近。通过 Long2Short 技术，该模型能够在有限的 token 预算下实现高性能推理，提升用户体验和资源利用效率。
354篇参考文献！史上最详尽综述：视觉定位任务十年发展系统性回顾
本综述系统性回顾了视觉定位（Visual Grounding）任务过去十年的发展历程，涵盖多种设置如全监督、弱监督、半监督等，并分析了各种数据集的表现。
这样看文献，一天不得20篇？智谱亮出论文杀手锏！导师：活久见了
AI领域科研人员面临背景知识缺失、长难句和复杂图表理解困难等问题。智谱推出GLM-Realtime、GLM-4-Air、GLM-4V-Plus等免费工具解决这些问题，提高论文阅读效率和准确性。
AAAI 2025 高效桥接视觉和语言，字节、中大提出全新多模态大模型连接器
字节团队与中山大学合作提出的 ParGo 模型，通过融合全局视野和局部细节来高效连接视觉特征和语言模型（LLM），在多项基准测试中表现优异，并被选为 AAAI 2025 的入选论文。
