细粒度视觉推理链引入数学领域，准确率暴涨32%，港中文MMLab打破多模态数学推理瓶颈
香港中文大学MMLab团队发布视觉推理方案MINT-CoT，专为解决数学视觉推理难题设计。该方法通过引入Interleave Token实现细粒度、轻量级的视觉交错CoT推理，显著提升多模态大模型在数学视觉推理任务中的表现。
量子位
Midjourney入局视频生成，图像模型V7不断更新，视觉卷王实锤了
Midjourney发布视频生成模型V7，并引发热议。视频效果逼真，包括跑步、挖蛋糕等场景。物理真实感和细节表现优秀，但音频问题引发讨论。团队表示正在完善并呼吁用户参与评分和提出定价建议。同时，图像生成模型V7也在不断更新中。
40岁开始预防衰老最有效！1.9万人脑扫描揭秘：大脑衰老有“关键窗口期”
一项研究发现大脑衰老并非匀速进行，而是遵循非线性进程，并与胰岛素抵抗增加相关。40-59岁期间酮体干预对稳定大脑网络效果最佳。
8个数据集全面胜出！思维链推理刷新图学习表现上限
首个应用于无文本图数据的类思维链提示学习框架GCoT发布，显著提升节点分类和图分类任务少样本学习表现。通过逐步推断机制、融合生成思维提示及节点特定提示设计，在八个公开数据集上全面超越现有SOTA方法。
视频推理界的“福尔摩斯测试”：所有大模型，统统不及格 论文代码开源
腾讯ARC Lab和香港城市大学推出的新Benchmark Video-Holmes，通过复杂视频推理任务测试大模型能力。结果显示所有主流大模型在SR、IMC等指标上均不及格。Video-Holmes规避了现有基准的简单问题限制，强调多线索信息的整合与分析能力。
豆包可以跟你打视频了，陪我看《甄嬛传》还挺懂！难倒一众AI的“看时钟”也没难倒它
国产AI豆包成功攻克了看时钟这一大难题，并新增视频通话和联网搜索功能，能够实时报准时间、识别视频内容并提供详细信息，还支持字幕查看。实测显示其在教育、娱乐等方面表现出色，背后的技术优势包括强大的视觉理解能力和理解推理能力等。