AI导航

上海人工智能实验室联合多所高校研发的Spatial-SSRL技术，通过创新的自监督强化学习范式，无需外部标注即可显著提升视觉大语言模型的空间理解能力。该技术基于RGB和RGB-D图像构建五种自监督任务，在Qwen2.5-VL和Qwen3-VL架构上实现平均3.89%-4.63%的性能提升，同时完美保持模型原有通用视觉能力，为自动驾驶和具身智能等领域提供了低成本、高效率的空间智能解决方案。

DeepSeek-OCR通过创新的视觉压缩技术实现文本处理效率十倍提升，将1000字文章压缩为100个视觉token并保持97%精度，这一突破可能改变大语言模型的输入范式，引发AI社区对像素输入替代文本输入的深入讨论。