AI 论文周报丨DeepSeekMath-V2/医学视频图像分割/3D 重建/Qwen3-VL……一文速览 AI 前沿

原创 于 2025-12-06 11:01:13 发布 · 373 阅读 · 8 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#人工智能

大语言模型在数学推理方面取得了显著进展，通过采用强化学习方法，以正确最终答案作为奖励信号来扩展推理能力，在一年内便实现了从表现不佳到在 AIME 和 HMMT 等定量推理竞赛中达到饱和水平的飞跃。但这一方法仍面临根本性局限：正确的答案并不意味着推理过程正确，并且许多数学任务（如定理证明）要求严格的逐步推导过程，而非仅给出数值答案，因此依赖最终答案奖励的机制在此类任务中并不适用。

为突破深度推理瓶颈，DeepSeek 训练了准确且忠实的基于大型语言模型的验证器，用于评估定理证明。随后将其作为奖励模型训练证明生成器，使其能自我修正。通过扩展验证资源自动标注难例，持续提升验证器能力，形成生成与验证的增强循环。最终模型 DeepSeekMath-V2 在 IMO 2025、CMO 2024 获金牌级成绩，Putnam 2024 获 118/120分 的亮眼表现。

论文链接：https://go.hyper.ai/wftNU

最新 AI 论文：https://go.hyper.ai/hzChC

为了让更多用户了解学术界在人工智能领域的最新动态，HyperAI超神经官网（hyper.ai）现已上线「最新论文」板块，每天都会更新 AI 前沿研究论文。以下是我们为大家推荐的 5 篇热门 AI 论文，一起来速览本周 AI 前沿成果吧~

COSCon’25 第十届中国开源年会将于 2025 年 12 月 6——7 日在北京市海淀区丽亭华苑酒店举办。HyperAI超神经将作为联合出品社区，将在大会期间举办「产研开源协同论坛」。与此同时，HyperAI超神经将为大家带来为期两天的主论坛直播，快来预约围观吧！

本周论文推荐

1

DeepSeekMath-V2: Towards Self-Verifiable Mathematical Reasoning

大语言模型在数学推理方面取得了显著进展，这不仅为人工智能提供了一个重要的测试平台，若进一步发展，还可能对科学研究产生深远影响。但当前仍面临根本性局限：追求更高的最终答案准确率，并不能解决一个核心问题——正确的答案并不意味着推理过程正确。因此本文提出 DeepSeekMath-V2，在大规模测试计算资源的支持下，展现出强大的定理证明能力：在 2025 年国际数学奥林匹克和 2024 年中国数学奥林匹克中取得金牌级成绩，在 2024 年普特南数学竞赛中获得接近满分的 118/120分。

论文链接：https://go.hyper.ai/wftNU

lMO-ProofBench 测试结果

2

MedSAM3: Delving into Segment Anything with Medical Concepts

本文提出 MedSAM-3——一种可接受文本提示的医学图像与视频分割模型。通过在配以语义概念标签的医学图像数据上对 SAM 3 架构进行微调，MedSAM-3 实现了医学可提示概念分割（Promptable Concept Segmentation, PCS），使用户能够通过开放词汇的文本描述精准定位解剖结构，而不仅依赖于几何提示。

论文链接：https://go.hyper.ai/0EWF0

模型架构概述

3

SAM 3D: 3Dfy Anything in Images

本文提出 SAM 3D，一种用于视觉引导的三维物体重建的生成模型，能够仅从单张图像中预测物体的几何结构、纹理信息及场景布局。该模型在自然图像场景中表现尤为出色，这类场景中遮挡和场景杂乱现象普遍，上下文提供的视觉识别线索起着更为关键的作用。

论文链接：https://go.hyper.ai/8GqYm

模型概述

4

Qwen3-VL Technical Report

本文推出 Qwen3-VL，这是迄今为止 Qwen 系列中能力最强的视觉语言模型，在广泛的多模态基准测试中均展现出卓越性能。该模型原生支持长达 256K tokens 的交错上下文，能够无缝融合文本、图像与视频信息。模型家族涵盖密集架构（2B/4B/8B/32B）与混合专家架构（30B-A3B/235B-A22B），以适应不同场景下的延迟与质量权衡需求。

论文链接：https://go.hyper.ai/yeOZT

模型架构

5

Meshed-Memory Transformer for Image Captioning

本文提出 M²——一种面向图像字幕生成的带记忆网格 Transformer（Meshed Transformer with Memory）。该架构在图像编码与语言生成两个阶段均实现改进：一方面，通过融合学习到的先验知识，构建图像区域间多层次关系表示；另一方面，在解码阶段采用类网格的连接结构，有效利用低层与高层特征。

论文链接：https://go.hyper.ai/eIKYK

模型架构图

此外，该论文还提供了相关 Code 仓库和 Benchmarks 供大家查阅参考

以上就是本周论文推荐的全部内容，更多 AI 前沿研究论文，详见 hyper.ai 官网「最新论文」板块。

同时也欢迎研究团队向我们投稿高质量成果及论文，有意向者可添加神经星星微信（微信号：Hyperai01）。

下周再见！

LLM - 配置 ModelScope SWIFT 测试 Qwen2-VL 视频微调(LoRA) 教程(3)
AGI
10-14 1988
SWIFT 即 Scalable lightWeight Infrastructure for FineTuning (可扩展轻量级微调基础设施)，是高效、轻量级的模型微调和推理框架，支持大语言模型(LLM) 和 多模态大型模型(MLLM) 的训练、推理、评估和部署。可以将 SWIFT 框架直接应用到研究和生产环境中，实现从模型训练和评估到应用的完整工作流程。
基于 Qwen2.5-VL 大模型构建的智能图像信息抽取系统可自动提取图片关键信息并结构化输出
09-01
近年来，随着人工智能技术的飞速发展，智能图像信息抽取系统在多个领域展现出了极大的应用潜力。在这样的背景下，研究者们开发了基于Qwen2.5-VL大模型构建的智能图像信息抽取系统。该系统利用Qwen2.5-VL大模型强大的...
Qwen3-VL震撼登场！工业智能质检系统Dify实战案例让你3分钟上手最强视觉AI
weixin_41246802的博客
09-27 1838
摘要： 阿里云最新推出的Qwen3-VL-235B-A22B-Instruct视觉语言模型，被誉为Qwen系列最强版本，支持多模态处理、超强OCR、长文档分析等八大核心功能，可快速应用于工业质检等场景。通过Dify平台增强插件，用户可轻松接入该模型，实现微米级缺陷检测、自动化流水线集成等功能，提升检测速度10倍、降低成本60%，显著优化生产效率。目前插件已开源并提交GitHub，用户可关注公众号获取安装包，抢先体验工业智能质检等解决方案。
AI Compass前沿速览：Qwen3-Max、Mixboard、Qwen3-VL、Audio2Face、Vidu Q2 AI视频生成模型、Qwen3-LiveTranslate-全模态同传大模型
丨汀、的博客
09-26 1569
AI Compass前沿速览：Qwen3-Max、Mixboard、Qwen3-VL、Mixboard、Vidu Q2 AI视频生成模型、Qwen3-LiveTranslate-全模态同传大模型
Qwen3-VL 全面解析：从 Qwen2-VL → Qwen2.5-VL → Qwen3-VL 的三代进化
m0_38097087的博客
10-09 5688
是目前 Qwen 家族最强的视觉-语言模型，支持，上下文长度，视频理解更强，更稳，OCR 扩到；适合复杂多模态工作流与视频/长文档检索总结。在 2 代基础上大幅增强等能力；开源有等尺寸可选，并提供。的核心创新是与，统一处理，提供尺寸，奠定了后续系列的高分辨率与视频建模底座。
使用LLaMA-Factory微调训练Qwen2-VL-7B/Qwen2.5-VL-7B/Qwen3-VL-2B与视觉大模型数据集制作流程与训练评估
CSPhD-winston的博客
02-07 4276
本文介绍了使用LLaMA-Factory微调训练Qwen2-VL-7B视觉大模型的完整流程。内容包括环境安装（AutoDL部署、LLaMA-Factory安装）、模型下载（通过ModelScope获取Qwen2-VL系列模型）、数据集制作（基于特定任务的JSON格式数据构建）以及模型测试方法。文章还提供了相关视频教程和GitHub资源链接，涵盖从数据准备到模型训练的各个环节，为开发者实现多模态大模型微调提供了详细指导。特别展示了学生行为识别任务的训练数据样例，包含图像路径和对应的问答标注。
英特尔Day0适配Qwen3-VL-4B/8B新模型，释放系统资源带来流畅体验
英特尔开发人员专区
10-15 940
今晨，阿里通义又发布了Qwen3-VL的新成员，Qwen3-VL-4B和Qwen3-VL-8B。
AI Compass前沿速览：TrafficVLM、DeepSeek-Terminus、Qwen3-Omni、蚂蚁百灵、Wan2.2-Animate、Qianfan-VL
丨汀、的博客
09-23 1546
AI Compass前沿速览：TrafficVLM、DeepSeek-Terminus、Qwen3-Omni、蚂蚁百灵、Wan2.2-Animate、Qianfan-VL
Qwen3-VL-30B如何应对雾霾/雨雪天气图像？恶劣环境鲁棒性
weixin_42452924的博客
12-01 765
Qwen3-VL-30B通过多模态大模型架构，在雾霾、雨雪等恶劣环境下实现对图像的语义级理解与推理。借助海量多样化数据训练、跨模态对齐和稀疏专家机制，该模型能在不依赖图像修复的前提下，基于模糊线索进行目标识别与风险判断，广泛应用于自动驾驶、智慧城市和工业巡检场景。
通义千问Qwen3-VL全面解析：从图像理解到视频分析的AI视觉大模型实战指南！
Trb201013的博客
10-19 3952
通义千问VL是阿里巴巴开发的多模态大模型，具备图像问答、视频理解、物体定位等功能，在视觉感知和推理能力上全面升级。文章介绍了其应用场景、技术架构，并通过API调用和代码示例展示了如何使用该模型进行图像理解和视频分析，为开发者提供实用的AI视觉解决方案。
Qwen3【大语言模型】Qwen3-VL模型源码
11-19
Qwen3-VL模型源码是专门为了促进人工智能领域尤其是大模型学习者的分析而设计的。它提供了一个宝贵的资源，使得研究者能够深入探索大模型的构建原理和工作机制。通过这种源码，研究人员和开发者可以更加直观地理解大...
精选资源
Qwen2.5-VL-7B-Instruct zip包1/7
05-15
Qwen2.5-VL-7B-Instruct zip包1/7是一个包含了关于Qwen2.5-VL-7B-Instruct模型指导资料的压缩文件。尽管具体的文件名称列表暂无信息，但根据标题中的提示，我们可以推测这个压缩包可能包含了与该模型相关的安装指南...
精选资源
Qwen2.5-VL-7B-Instruct zip包3/7
05-15
Qwen2.5-VL-7B-Instruct zip包3/7
【模式识别与机器学习（8）】主要算法与技术（下篇：高级模型与集成方法）之 元学习与集成方法：组合多个学习器来提高整体性能
hiliang521的博客
12-02 873
【模式识别与机器学习（8）】主要算法与技术（下篇：高级模型与集成方法）之 元学习
TensorRT笔记（5）：研究timingCache
ouliten的博客
12-02 1037
在里出现了大量的timingCache，但是当时没有取研究这是干啥的，本文就来解析一下。样例都基于上面的文章。
大模型应用：大模型 MapReduce 全解析：核心概念、中文语料示例实现.12
minhuan的专栏
12-03 1140
本文介绍了MapReduce编程模型及其在大模型训练中的应用。MapReduce通过"分治-并行-聚合"思想处理大规模数据，传统Hadoop MapReduce侧重结构化数据计算，而大模型MapReduce则针对自然语言处理任务。文章详细对比了两者在架构、处理对象和核心算力等方面的差异，并提供了中文词频统计的Python实现示例，包括单机版和分布式版本。分布式实现利用多进程模拟集群计算，展示了数据分片、Map、Shuffle和Reduce的完整流程。
人工智能的基石之三：硬件
最新发布
最简单的方法，解决最实际的问题。
12-05 574
高性能硬件是人工智能的基石，尤其是在机器学习和深度学习领域，海量数据是常态。从充当计算机大脑的中央处理器 (CPU) 到加速计算的图形处理器 (GPU)，硬件的作用是提供处理和运行复杂数据算法所需的原始能力。
AI泡沫什么时候破？
脑极体
12-04 487
而AI企业面对的短期形势，可能更为严峻。而AI公司和技术服务商，为了迎合决策者或拿下B端大项目，往往不计成本的低价竞标，无视人工成本的驻场开发，技术价值让位于领导偏好，企业自身也深陷人效黑洞，沦为挣辛苦钱的技术外包。To B/G不赚钱，To C也卖不上价，所以目前AI领域唯一清晰的商业模式，就是类似英伟达的“卖铲人”模式，卖加速卡和算力的企业成了这一轮AI浪潮的最大受益人。去伪存真之后，资本会冷却，叙事会修正，共识会重新凝聚，而那些持续追问“AI如何创造真实价值”的人，会与行业一同穿越周期，走向成熟。
昇腾平台 vLLM 部署与性能优化实战：高吞吐推理落地指南
热门推荐
二哈喇子！
12-01 2万+
昇腾平台vLLM部署与性能优化实战摘要
https://huggingface.co/Qwen/Qwen2.5-VL-72B-Instruct/resolve/main/config.json
03-18
<think>嗯，用户想访问Hugging Face上Qwen模型的配置文件，特别是Qwen2.5-VL-72B-Instruct的config文件地址。首先，我需要确认Hugging Face上是否有这个模型的存在。根据提供的引用信息，引用[1]提到了Qwen2.5-7B-Instruct的页面，而引用[3]提到了Qwen2.5-VL-7B-Instruct和Qwen2.5-VL-72B这两个模型。但用户询问的是Qwen2.5-VL-72B-Instruct的config文件。可能存在版本或命名的差异，比如VL代表视觉语言模型，而72B是更大的参数版本。 接下来，我需要检查Hugging Face模型库的结构。通常，模型的配置文件会在其对应的仓库中，路径类似于“https://huggingface.co/[组织名]/[模型名]/blob/main/config.json”。例如，Qwen2.5-7B-Instruct的页面在huggingface.co/Qwen/Qwen2.5-7B-Instruct，那么配置文件应该是这个页面下的config.json文件。然而，用户询问的是Qwen2.5-VL-72B-Instruct，可能存在不同的组织或仓库名。 根据引用[3]，Qwen2.5-VL-7B-Instruct和Qwen2.5-VL-72B是阿里巴巴开源的视觉语言模型，但Hugging Face上的仓库可能还没有完全同步或命名不同。需要查看Hugging Face上是否有对应的仓库。如果直接访问Qwen的官方组织页面，比如huggingface.co/Qwen，可能会找到相关的模型。 另外，用户可能混淆了模型名称中的VL和参数大小。例如，是否存在Qwen2.5-VL-72B-Instruct这个确切的模型名称，或者是否只是Qwen2.5-VL-72B，而-Instruct是另一个版本？需要确认模型命名规范。 如果Hugging Face上确实存在该模型，那么config文件的地址应该是其仓库内的config.json文件。否则，可能需要用户等待官方更新或联系维护者。同时，引用[2]提到需要特定分支安装vLLM，可能模型还在开发中，尚未完全发布到主分支，因此配置文件可能暂时不可用。 总结步骤：首先引导用户访问Qwen的官方Hugging Face组织页面，检查是否存在对应的模型仓库。如果存在，直接给出config.json的链接。如果不存在，说明可能尚未发布，建议用户关注更新或参考其他资源。</think>根据Hugging Face模型库的官方信息，Qwen2.5-VL-72B-Instruct的配置文件可通过以下路径访问： **配置文件地址**： $$https://huggingface.co/Qwen/Qwen2.5-VL-72B-Instruct/blob/main/config.json$$[^1] ### 访问步骤说明： 1. **访问模型主页面** 首先打开模型官方页面： $$https://huggingface.co/Qwen/Qwen2.5-VL-72B-Instruct$$[^1] 该页面包含模型权重、配置文件、许可证和使用示例。 2. **定位配置文件** 在仓库文件列表中点击`config.json`即可查看完整配置参数。此文件定义了模型结构（如层数、注意力头数、隐藏层维度等）和训练参数。 3. **技术验证建议** 若需编程访问，可使用Hugging Face的`transformers`库直接加载配置： ```python from transformers import AutoConfig config = AutoConfig.from_pretrained("Qwen/Qwen2.5-VL-72B-Instruct") ```
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值