精准锁定「硬骨头」：难样本筛选破局SFT依赖，GRPO-only斩获感知推理双最优 中兴通讯AIM团队投稿 量子位 | 公众号 QbitAI 一项被AAAI 2026接收的研究，针对多模态大模型后训练的难题提出全新解决方案。研究发现，在视觉推理与感知任务中，仅用中等和困难样本训练、完全跳过SFT...

大模型首次拥有“脖子”！纽大团队实现360度类人视觉搜索 纽约大学研究团队在论文《Thinking in 360°: Humanoid Visual Search in the Wild》中，提出了一种全新的“类人视觉搜索”（Humanoid Visual Search, HVS）任务，让大模型能够...

2025年11月16日，宇树科技创始人兼CEO王兴兴在“2025人工智能+大会”上透露，宇树研发的人形机器人已能完成绝大部分工作动作，包括离线预学习和实时模仿复刻。他预测，未来十年内，AI技术将赋予机器人“理解世界”的能力，并通过多模态大模型与机器人的深度融合，使其更加敏锐和高效。(财联社、上证报)

2025年11月16日，阶跃星辰创始人兼CEO姜大昕在2025人工智能+大会上表示，智能终端可能成为未来AI入口，并看好智能硬件在‘人・车・家’领域的应用。他指出，随着智能驾驶技术发展，汽车将成为人类的‘第三生活空间’，支持娱乐交互。阶跃星辰已布局汽车AI产品，如今年7月发布的下一代智能座舱Agent OS预览版，融合多模态大模型与端云一体技术，提供超自然交互、全融合地图导航及个性化记忆功能，为用户带来拟人化、情感化的座舱体验，推动AI与生活的深度融合。

11月6日，在厦门举办的2025国际海洋周开幕式上，我国发布全球首个深海生境智能多模态大模型——“深海生境智能认知与探索多模态大模型”。该模型由中国大洋事务管理局指导、多家科研机构联合研发，是联合国“海洋十年”计划的重要成果，具备深海智能感知、全域推演、治理决策生成及沉浸式导览功能，目前已完成对一座深海海山和一处热液区的认知系统构建。未来，模型将向全球科研机构开放，扩展覆盖深海多种生境。同时，《APEC海洋可持续发展报告》也在会上发布，首次提出“五位一体”框架，为亚太海洋可持续发展提供科学支持。

10月26日，在第32届中国国际广告节期间，抖音集团旗下巨量引擎首次公开了其在AI广告治理领域的自研多模态大模型。该模型是其“全链路治理+以AI治AI”广告安全策略的核心技术支撑，可实现90%的素材在10分钟内完成审核。今年第三季度，巨量引擎已前置拦截84万余个涉AI广告违规素材，显著提升了广告风险治理效率。这一技术突破为行业提供了高效解决方案，并展示了AI在内容安全领域的应用潜力。

标题：多模态大模型学会反思，上交&上海AI Lab突破复杂推理 正文： 多模态大模型虽表现惊艳，但常因缺乏“反思”能力而受困。无论是生成代码还是分析图表，它们倾向于直接给出答案，却难以在复杂问题中纠错。这种短板阻碍了AI从“知识容器”向“问题解决大师”的进化。 上海交通大学与上海人工...

10月10日，vivo发布行业首个3B端侧多模态推理大模型“蓝心3B”，集成五大核心能力，支持128K上下文。该模型在OpenCompass多模态榜单中超越所有8B模型，SuperCLUE评测中位列10B以内总榜第一，并在中国信通院测试中获评“L3卓越级”。此外，vivo升级了蓝心图像大模型，提升图文一致性和美观度，突破长文本渲染难题，推出多项AI修图功能，进一步强化终端智能服务能力。

用两个简单模块实现分割理解双重SOTA！华科大白翔团队推出多模态新框架 多模态大模型的能力已从文生图扩展到像素级任务（如图像分割）。然而，现有方法如OMG-LLaVA和LISA（CVPR 2024）仍存在分割不精确和理解幻觉的问题。为解决这些问题，华中科技大学与金山办公团队联合提出了多模态大模型LI...

9月30日，全球顶尖AI科学家、IEEE Fellow许主洪转岗加入阿里通义团队，将负责多模态交互模型方向。许主洪拥有超20年AI学术与产业经验，曾发表300多篇顶级论文，被引用超5万次，并获斯坦福全球顶尖1%科学家称号。他曾任Salesforce副总裁，创立多模态AI公司HyperAGI，是业内少有的产学研多栖专家。今年年初，他已加入阿里，担任集团副总裁及智能信息事业群首席科学家，负责多模态基础模型研究。6月，他在上海世界移动通信大会上发表演讲，以夸克App的AI功能为例讲解多模态大模型应用场景。