技术博客

近期，首个多模态专用慢思考框架在文本推理领域取得了突破性进展，其性能较GPT-o1模型提升了近7个百分点。借助强化学习技术，以GPT-o1和DeepSeek-R1为代表的慢思考模型学会了“三思而后行”，在决策前进行深度分析。与快思考模型（如GPT-4o）相比，慢思考模型在数学和科学任务中展现出显著优势，为复杂问题的解决提供了新思路。

多模态大型扩散语言模型（MMaDA）凭借其创新的统一扩散架构与先进的后训练策略，在学术界和工业界备受瞩目。该模型不仅在文本推理和多模态理解方面表现出色，还能够高效完成文本到图像生成任务。此外，MMaDA为多模态智能基础模型的发展提供了全新思路，推动了相关技术的革新与进步。

普林斯顿大学联合字节跳动Seed、北京大学与清华大学研究团队，共同开发出首个多模态扩散型大语言模型MMaDA。该模型通过三项关键技术革新，成功整合文本推理、多模态理解和图像生成功能，显著提升模型推理能力与可控性，标志着多模态基础模型领域的重要突破。

北京大学与香港科技大学联合团队成功开发了一款名为DeepSeek-R1（Align-DS-V）的多模态人工智能模型。该模型基于自研的全模态框架Align-Anything构建，专注于提升文本推理能力。在视觉理解评测集上，DeepSeek-R1的表现超越了GPT-4o。此外，该模型已开源，为研究者和开发者提供了宝贵资源。