视觉模型
- Alpamayo-R1：英伟达推出的自动驾驶视觉-语言-动作(VLA)模型
Alpamayo-R1是英伟达研发的视觉-语言-动作模型，模型核心创新涵盖三大维度：构建因果链（CoC）高质量推理轨迹数据集、采用具备物理常识与具身推理能力的Cosmos-Reason作为VLM骨干网络、设计“监督微调+强化学习”多阶段训练策略。
- [推荐] 豆包网页版：支持AI聊天，AI图片生成，AI漫画生成，AI写作等
字节跳动开发的一款多功能人工智能工具，基于云雀模型（豆包大模型）构建。它不仅是一个AI聊天机器人，还具备多种功能，包括写作助手、英语学习助手、音乐生成、编程助理等。
- CoF：DeepMind 提出的视频模型时空推理新范式
CoF是DeepMind推出的视觉推理新概念，类比语言模型领域的链式思维技术。这一范式赋予视频模型跨时间与空间的推理能力，通过逐帧生成连贯视频序列的方式，解决复杂视觉任务。
