点击下面卡片，关注我呀，每天给你送来AI技术干货！论文题目：Zero-shot Visual Question Answering using Knowledge Graph本文作者：陈卓...

来自：专知近年来，随着大型模型的显著发展，大型视觉-语言模型（LVLMs）在各种多模态理解和推理任务中展示了卓越的能力。相比于传统的大型语言模型（LLMs），由于更接近多资源的现实世界应用和多模态处理的复杂性，LVLMs 展示了巨大的潜力和挑战。然而，LVLMs 的脆弱性相对较少被探索，在日常使用中可能存在潜在的安全风险。在本文中，我们对现有的各种 LVLM 攻击形式进行了全面的回顾。具体来说，我

来自：炼钢AI最近开始看看视觉语言模型（VLM）相关的东西了，之前没特别仔细看过代码。翻了几篇比较知名的开源VLM技术报告，感觉DeepSeek-VL算是写的比较好的，因此本文就以DeepSeek-VL为例，结合代码写一写VLM的细节。VLM和LLM比较共性的东西比如Self Attention之类的本文就不过多介绍了，重点讲一讲VLM独有的内容。DeepSeek-VL github链接：htt.

最后，本文讨论了智能系统带来的潜在应用、社会风险和治理问题，并提出了未来的研究方向，旨在发展一个由人类意图和自主智能体行为共同塑造的开放、安全和智能的生态系统。华文越，Rutgers博士毕业，张永锋老师的学生，UCSB博后，现在为微软研究院高级研究员，主要研究方向为llm reasoning和llm-based agent，在NLP和ML的顶会ACL EMNLP ICLR Neurips TACL

如此一来，Agent在游戏过程中便可生成足够长且复杂的推理链条，并且随着对手能力的提升，其所面临的挑战也会越来越大，并被激发出更强的视觉理解与推理能力。任意形式的图片都可作为输入：和以往有限制条件的游戏化训练框架不同的是，Vision-Zero可在任意形式的图片上启动游戏，这使得模型可以在很多不同的领域里获得相应的能力提升，并有很好的泛化性能。本文作者包括来自杜克大学的汪勤思，林阅千，李海教授，陈

我们选择了四个有代表性的现有生成式奖励模型（GenRMs）进行评估，包括两个基础 LLM：Llama-3.3-70B 和 Qwen3-8B，以及两个微调过的生成式奖励模型（GenRMs）：Skywork-Critic-Llama-3.1-70B 和 Selene-1Mini-Llama-3.1-8B。为验证传统上下文扩展方法的有效性，我们选择了原生支持32K上下文的Con-J-Qwen2-7B模型

在医疗、法律、金融等高风险的现实应用场景中，任何细微的逻辑偏差都可能导致严重后果，因此对推理的严谨性提出了极高要求。尽管目前已有不少纯文本逻辑推理评测基准，但现实中的许多任务往往融合了视觉与文本信息，亟需模型具备跨模态的严密推理能力。例如，在交通控制或自动驾驶系统中，模型不仅需要理解交通规则文本，还需结合实时驾驶场景的图像信息，通过可靠推理做出安全且合规的决策。项目地址：https://llm-s

24 年我来湾区后，在他们三番办公室见了他们的管理层，随便聊了聊工作生活的话题。今年夏天在美国时，又和他们的管理层聊了不少次，在三番办公室里给他们的创始人、CEO、CPO 等做了几个小时的演讲，觉得相互之间的技术都高度互补，Elastic 的高层对我个人非常友好和信任，于是就开始了这个收购案。对于 Jina AI 而言，这其中包含很多的复杂的因素，包括美国和中国之间的地缘政治（当然还有德国），多个

的概念 ，因为如果 Agent 和 Tool 互相“勾结”（Reward Hacking），可能会导致 Agent 为了得分而伪造工具调用结果，这将是灾难性的。不要试图用 Prompt 解决所有问题，试着为你冻结的大模型训练一个专属的“小助手”（Adapter/Tool），这可能是 ROI 最高的技术投资。现在的系统要么是“改人不改工具”（A1/A2），要么是“改工具不改人”（T1/T2）。），更

结果显示了完全的“推理崩塌”：尽管 OCR 表面精度很高，但在涉及逻辑推理的QA任务中，DeepSeek-OCR 的正确率只有27.7%，而同等参数大小的语言模型正确率都在90%以上（见图3）；结论：DeepSeek-OCR 的高分表现，很大程度上是建立在“语言先验”之上的幻觉，而非纯粹的视觉识别能力，并且这种现象在其他的端到端模型中也普遍存在。这为这一范式的未来发展敲响了警钟：要实现真正有效的长