技术博客

近日，一个全新的开源模型成功复现了OpenAI o3的视觉推理能力，引发了广泛关注。该模型在视觉语言模型（VLM）的基础上进行了创新，在训练过程中仅限制了6轮对话，却在测试阶段展现出扩展至数十轮深度思考的能力。这一突破表明，即便在缺乏大量训练数据的情况下，模型依然能够实现复杂的推理过程，为未来视觉与语言结合的研究提供了全新思路。