腾讯研究院AI速递 20250311

正文

请到「今天看啥」查看全文

1. 微软开源多模态AI基础模型Magma，能在环境中理解多模态输入并与实际情况联系，已被CVPR接收，支持网页导航和机器人操作；

2. Magma创新性提出Set-of-Mark和Trace-of-Mark两大标注方法，前者为关键对象提供高层次"关注标记"，后者捕捉动作时序变化；

3. 模型由3900多万条样本预训练，采用ConvNeXt-XXL视觉网络和Llama-3-8B语言模型，团队大部分为华人，一作杨健伟为微软资深研究员。

https://mp.weixin.qq.com/s/ghcGqhF65yP19ze4_luiAw

四、  稚晖君预告揭晓！智元发布首个通用具身基座模型GO-1

1. 智元机器人发布全新ViLLA架构和GO-1通用具身基座模型，解决机器人"看得懂做不来"的难题，可直接利用人类操作视频转化为可执行动作；

2. ViLLA架构通过Latent Action Tokens预测隐式动作，结合VLM和MoE专家模型，打通认知与动作两个维度，实现四级训练数据的综合利用；

3. GO-1基座模型在五种复杂度任务测试中成功率达78%，比现有最优模型提高32%，具备人类视频学习、小样本泛化、一脑多形和持续进化四大突破能力。

https://mp.weixin.qq.com/s/pErwkCKNeuEvimrAfKcbWA

五、  「古董」GPU也能跑DeepSeek同款GRPO！显存只需1/10

请到「今天看啥」查看全文