金融界2025年8月6日消息，国家知识产权局信息显示，中国电建集团昆明勘测设计研究院有限公司申请一项名为“一种智能车辆的车路协同控制方法及装置”的专利...
2025-08-06 0
小红书首个多模态AI大模型dots.vlm1发布并开源
抖音热门
2025年08月06日 18:46 0
aa
IT之家 8 月 6 日消息，小红书 hi lab 研发并开源的首个多模态大模型 dots.vlm1 今日正式发布，借助一个从零训练的 12 亿参数视觉编码器以及基于 Deepseek V3 LLM 构建。
小红书 hi lab 表示，dots.vlm1 在大部分多模态评测集上接近闭源 SoTA 模型的水平，并在文本能力和主流文本模型相当。
NaViT 视觉编码器：没有基于成熟视觉编码器进行微调，完全从零开始训练，原生支持动态分辨率。同时在文本监督上增加纯视觉监督，提升感知能力上限。此外，训练数据上在传统的 Image Caption 数据上还引入大量结构化图片进行原生训练，提升 VLM 模型的感知能力（例如各类 OCR 能力）。
多模态训练数据：在传统思路上，额外引入多种合成数据思路，覆盖多样的图片类型（例如表格 / Chart / 文档 / Graphics 等）及其描述（例如 Alt Text / Dense Caption / Grounding 等）；同时，利用多模态大模型来重写图文交错网页数据，显著提升训练数据质量；
通过大规模预训练与精细化后训练调优，dots.vlm1 在视觉感知与推理方面达到了接近 SOTA 的表现，为开源视觉语言模型树立了新的性能上限，同时在纯文本任务中仍保持一定竞争力。
在主要的视觉评测集上，dots.vlm1 的整体表现已接近当前领先模型 Gemini 2.5 Pro 与 Seed-VL1.5 thinking，尤其在 MMMU / MathVision / OCR Reasoning 等多个基准测试中取得了相当竞争力的结果，显示出较强的图文理解与推理能力。
在典型的文本推理任务（如 AIME、GPQA、LiveCodeBench）上，dots.vlm1 的表现大致相当于 DeepSeek-R1-0528，在数学和代码能力上已具备一定的通用性，但在 GPQA 等更多样的推理任务上仍存在差距。
总体来看，dots.vlm1 在视觉多模态能力方面已接近 SOTA 水平，在文本推理方面达到了主流模型的性能。然而，在部分细分任务上仍与最优结果存在一定距离，需要在架构设计与训练数据上进一步优化。
复杂图表推理样例：
STEM 解题样例：
长尾识别解题样例：
视觉推理样例：
IT之家附 dots.vlm1 开源地址：
相关文章
- 详细阅读
-
苹果手机游戏模式怎么设置详细阅读
在日常使用苹果手机玩游戏时，许多用户希望获得更加专注和沉浸的游戏体验。为此，苹果提供了“游戏模式”功能，帮助用户在游戏过程中减少外界干扰，提升游戏体验...
2025-08-06 0
-
动动嘴发弹幕、跨设备无缝追番，鸿蒙版B站还能这么玩？详细阅读
自从换上搭载鸿蒙5的华为Pura 80 Pro手机后，发现曾经非常熟悉的哔哩哔哩App，有了不一样的感觉。可以看出，它不是简单照搬安卓或iOS版本的功...
2025-08-06 0
-
小红书首个多模态AI大模型dots.vlm1发布并开源详细阅读
IT之家 8 月 6 日消息，小红书 hi lab 研发并开源的首个多模态大模型 dots.vlm1 今日正式发布，借助一个从零训练的 12 亿参数视...
2025-08-06 0
-
硅谷传奇投资人预言IT服务业末日：AI导致它们“大部分消失”详细阅读
#头号创作者激励计划#硅谷传奇投资人维诺德·科斯拉近日发出震撼性预测，认为人工智能将导致传统IT服务业"基本消失"，这一言论在全球科技界引发强烈关注。...
2025-08-06 0
-
暑期实践 电商助农详细阅读
2025年8月5日，在湖南省永州市道县道滋味农副产品贸易有限公司直播间，大学生在学习农产品文创包装技能。暑假期间，道县道滋味农副产品贸易有限公司推出“...
2025-08-06 0
-
玩家实测“中至吉安王炸辅助器”（详细透视教程）-哔哩哔哩详细阅读
无需打开直接搜索微信：本司针对手游进行，选择我们的四大理由: 1、软件助手是一款功能更加强大的软件！无需打开直接搜索微信： 2、自...
2025-08-06 0
-
日善电脑配件取得解决撕膜机构稳定性差专利，稳定性高详细阅读
金融界2025年8月6日消息，国家知识产权局信息显示，日善电脑配件（嘉善）有限公司取得一项名为“撕膜机构”的专利，授权公告号CN223187835U，...
2025-08-06 0
发表评论