看影片（在新分頁開啟原站）連到 Bilibili・唐国梁Tommy
摘要
解析 DeepSeek 視覺原語論文，指出多模態模型瓶頸在於指代斷裂而非感知不足，並說明如何將框選與點選融入推理鏈。
This video analyzes the DeepSeek vision primitives paper, explaining that the bottleneck in multimodal models is referential failure rather than perception issues.
這筆內容還沒有取得字幕或內文，這段摘要只根據標題與說明欄產生，可能不夠準確；實際內容請以原站為準。
適合誰看
多模態、VLM 或大模型方向的學習者與從業者。
摘要依據
- 依據
- 標題與說明欄（還沒有取得字幕或內文）
為什麼排在這裡
- 人氣
- 0.17
- 新鮮
- 0.56
在主題頁與搜尋結果裡，名次由相關、人氣、新鮮三個分數決定；這一頁沒有搜尋的關鍵字，所以沒有相關分數。排序怎麼算
相關內容
- DeepSeek's Deleted Vision Paper Is Nuts...影片 ・ bycloud ・ 19 分鐘
- 多模态之跨模态搜索影片 ・ 小黑黑讲AI ・ 5 分鐘
- 多模态论文串讲·下【论文精读】影片 ・ 跟李沐学AI ・ 1 小時 3 分
- 多模态论文串讲·上【论文精读】影片 ・ 跟李沐学AI ・ 1 小時 12 分
- DeepSeek多模态凭什么把GPT 5.4拉开：4000万样本+三层奖励+OPD蒸馏，把"框和点"喂进推理链的完整训练秘方影片 ・ 唐国梁Tommy ・ 14 分鐘
- 【試聽】XEP17 - DeepSeek 再度引起熱議！解讀 DeepSeek OCR 論文--LLM典範轉移的可能性？Podcast ・ 科技浪 Tech.wav ・ 8 分鐘
摘要由 AI 根據標題與說明欄產生（還沒有取得原文），可能有誤；完整內容請看原站。看影片（在新分頁開啟原站）