DeepSeek 赋予 AI 指尖能力，告别看图瞎猜
或许你会觉得现在的 AI 识图能力已经相当出色。它不仅能读取图中的文字，描绘画面里的物体，还能把一张照片描述得绘声绘色。然而，当你问它“第三个红球在什么位置”时，它或许就会陷入混乱。让它去数复杂图像中的物体，它可能会遗漏几个。让它判断两个目标的空间关系，它可能回答得信心满满，结果却是错的。症结并不在于 AI 看不见。核心在于，它不清楚自己究竟该聚焦何处。它能看见整张图，却难以稳定地指向图中的特定对象。DeepSeek 在技术报告中将此问题定义为 Reference Gap，即参照鸿沟：自然语言过于含糊，无
DeepSeek多模态论文连夜撤回，核心技术究竟是什么？
点击下载新浪财经APP，获取全球实时汇率行情 选择在假期前夕推出重磅技术论文，‘DeepSeek风格依旧’。 DeepSeek如今实现了‘视觉感知’。此前，他们悄然启动了多模态功能的灰度测试。部分用户在首页看到新增的‘识图模式’。上传图片后，模型能像人类一样解读视觉内容。 4月29日，多模态团队负责人陈小康发文表示：‘现在，我们能看到你了。’这是DeepSeek聊天产品首次集成多模态功能。 紧接着在4月30日，他们发布了题为《Thinking with Visaul Primitives》（《用视觉原语思