/

商汤推出“日日新”融合大模型，勇夺“双冠王”

商汤“日日新”融合大模型性能上文理兼修，在SuperCLUE年度评测中，文科成绩以81.8分位列全球第一，超越OpenAI的o1模型；理科成绩夺得金牌，其中计算维度以78.2分位列国内第一。

今年大模型还要如何进化，还有怎样的想象空间？

刚刚，商汤正式推出“日日新”融合大模型，领先实现原生融合模态，深度推理能力与多模态信息处理能力均大幅提升，并在两大权威评测榜单夺得第一，成为“双冠王”。

商汤推出“日日新”融合大模型，勇夺“双冠王”

国内权威大模型测评机构SuperCLUE最新发布的《中文大模型基准测评2024年度报告》：商汤“日日新”融合大模型以总分68.3的优异成绩，与 DeepSeek V3 一起并列国内榜首，成为年度第一。
商汤推出“日日新”融合大模型，勇夺“双冠王”
可点击放大查看高清图 
在近期另一个权威综合评测机构OpenCompass的多模态评测中，商汤以同一款模型同样取得了榜单第一，分数大幅领先GPT-4o。
商汤推出“日日新”融合大模型，勇夺“双冠王”
“一个模型、双料冠军”，意味着商汤科技率先在原生融合模态训练取得实质性突破，这将引领业界从大语言模型和多模态大模型分立的普遍现状，走向真正意义的模型一统。
商汤“日日新”突破了模态融合的技术，跨越了模态之间的鸿沟，就为深度推理能力和多模态信息的结合铺平了道路。
文理兼修，能写能看能推理
商汤“日日新”融合大模型性能上文理兼修，在SuperCLUE年度评测中，文科成绩以81.8分位列全球第一，超越OpenAI的o1模型；理科成绩夺得金牌，其中计算维度以78.2分位列国内第一。
实现原生模态融合后，“日日新”融合大模型不止能达到人类“看”和“想”的水平，还可以帮助你解决更多复杂问题，看不清的字体、数据图表里的信息、文学创作与撰写……这些都可以实现。
英文“草书”难辨认，“日日新”融合大模型识别快速精准商汤推出“日日新”融合大模型，勇夺“双冠王”
图表分析，关键要素提取、信息分析、给出结论，几个步骤合一迅速完成，省时省力商汤推出“日日新”融合大模型，勇夺“双冠王”
也可以化身“数理老师”，给出详细的解答任务
解数学题↓↓商汤推出“日日新”融合大模型，勇夺“双冠王”
 

解物理题↓↓商汤推出“日日新”融合大模型，勇夺“双冠王”

 

创意冷幽默没人懂？“日日新”懂你的奇奇怪怪

商汤推出“日日新”融合大模型，勇夺“双冠王”

文末点击阅读原文，来与“日日新”互动！

 
融合模态开拓应用新维度
在实际应用场景中，相较于传统大语言模型仅支持单一文本输入的模式，"日日新"融合大模型展现出显著优势，尤其是在自动驾驶、视频交互、办公教育、金融、园区管理、工业制造等天然拥有丰富模态信息的场景中。
“日日新"融合大模型能够有效满足用户对图像、视频、语音、文本等多源异构信息的综合处理与识别需求。
例如，在办公、金融领域，其行业属性拥有很多复杂的富模态文档：表格、文本、图片、视频，以及融合上述形式的丰富信息，基于“日日新”融合大模型的商汤应用——办公小浣熊就可以高效地完成处理分析相关的复杂任务。
商汤推出“日日新”融合大模型，勇夺“双冠王”
与此同时，基于融合大模型的优势，商汤“日日新”在视觉交互上也有丰富的应用场景，例如，在线上教育、语音客服等场景，均可以结合语音和自然语言来提升交互体验。
去年年底开始，原生多模态大模型就逐渐成为业内探讨的重要方向。然而由于数据和训练方法的局限，业内很多机构的尝试并不成功——多模态训练过程往往会导致纯语言任务尤其是指令跟随和推理任务的性能严重下降。
得益于在计算机视觉领域十年深耕以及人工智能赋能场景的丰富经验，商汤一直坚信多模态模型是 AI 2.0 进行场景落地的必由之路，对于多模态大模型的研发也有自己的独特见解。在推动语言模型和多模态模型融合的过程中，发展出两项关键的创新技术：融合模态数据合成与融合任务增强训练，进而完成“日日新”融合大模型的训练，推向市场。
在预训练阶段，商汤不仅采用了天然存在的海量图文交错数据，还通过逆渲染、基于混合语义的图像生成等方法合成了大量融合模态数据，在图文模态之间建立起大量交互桥梁，使得模型基座对于模态之间的丰富关系有更扎实的掌握，也为更好地完成跨模态任务打下坚实的基础，从而实现整体性能的提升。
在后训练阶段，商汤基于对广泛业务场景的认知，构建了大量的跨模态任务，包括视频交互、多模态文档分析、城市场景理解、车载场景理解等。通过把这些任务融入到增强训练的过程，商汤的融合模态模型不仅被激发出强大的对多模态信息进行整合理解分析的能力，而且还形成了对业务场景有效的响应能力，走通了应用落地反哺基础模型迭代的闭环。
实现多模态交互与深度融合、走向真正意义的模型一统，是走向世界模型的必经之路，商汤科技已在该赛道实现领跑优势。

 

来源：大模型之家

0赞

好文章，需要你的鼓励

推荐文章
UniR：为冻结大语言模型设计的通用型、可组合、即插即用的推理器

人工智能

大语言模型

强化学习

2025-06-02

UniR：为冻结大语言模型设计的通用型、可组合、即插即用的推理器

UniR（Universal Reasoner）是一种创新的推理增强方法，可为冻结的大语言模型提供即插即用的推理能力。由韩国科学技术院研究团队开发，该方法将推理能力分解为独立的轻量级模块，无需改变主模型结构。UniR的核心优势在于高效训练（仅更新小型推理模块）、出色的模型间迁移能力（小模型可指导大模型）以及模块组合能力（多个专用模块可通过logits相加组合使用）。在数学推理和翻译测试中，UniR显著超越现有微调方法，展示了轻量级模块如何有效增强大语言模型的推理能力。

SWE-rebench：一个自动化软件工程智能代理评估的新突破——Nebius团队打造无污染数据集和评估体系

软件工程

自动化数据收集

大语言模型评估

2025-06-02

SWE-rebench：一个自动化软件工程智能代理评估的新突破——Nebius团队打造无污染数据集和评估体系

Nebius团队开发了SWE-rebench，一个自动化管道用于从GitHub收集软件工程任务并进行去污染评估。该系统解决了两大挑战：高质量训练数据稀缺和评估基准容易被污染。通过四阶段处理（初步收集、自动安装配置、执行验证和质量评估），SWE-rebench构建了包含超过21,000个Python交互式任务的数据集，并提供持续更新的评估基准。研究发现部分语言模型在传统基准上的表现可能被污染效应夸大，而DeepSeek模型在开源模型中表现最为稳健。

跨语言质量判断：基于语言模型的多语言预训练数据过滤方法

人工智能

多语言处理

数据质量

2025-06-02

跨语言质量判断：基于语言模型的多语言预训练数据过滤方法

这项研究提出了JQL（发音为"Jackal"），一种通过多语言方法提升大型语言模型预训练数据质量的创新系统。研究团队从拉马尔研究所等机构通过四阶段方法解决了多语言数据筛选的难题：先由人类评估内容教育价值创建基准数据，然后评估大型语言模型作为"评判者"的能力，接着将这些能力提炼到轻量级评估器中，最后应用于大规模数据筛选。实验表明，JQL在35种语言上显著优于现有方法，甚至能泛化到未见过的语言如阿拉伯语和中文，为多语言AI发展提供了高效可靠的数据筛选方案。

突破性创新：西湖大学研究团队实现了一秒内完成3D场景艺术风格化重建

3D计算机视觉

神经风格迁移

实时渲染

2025-06-02

突破性创新：西湖大学研究团队实现了一秒内完成3D场景艺术风格化重建

浙江大学和西湖大学研究团队开发的Styl3R实现了艺术风格化3D重建的重大突破，能在不到一秒内从少量未标定照片和任意风格图像创建具有多视角一致性的3D艺术场景。通过创新的双分支网络架构将结构建模与外观着色分离，系统不仅保持了原始场景结构，还准确捕捉了参考风格特征。与现有方法相比，Styl3R在处理速度和视觉质量上均显著领先，为创意内容制作开辟了全新可能。

2025

01/13

16:04

分享

点赞

大模型之家

带您探索科技领域的重磅资讯、解码人工智能领域热点话题

最近文章 :
阅读更多内容，猛戳这里

友情链接

业界热点:

北京第二十六维信息技术有限公司（至顶网）版权所有. 京ICP备15039648号-7 京ICP证161336号京公网安备 11010802021500号  京网文(2025) 0096-033号  京字第20868号

举报电话：010-62641205　涉未成年人举报专线：010-62641208 举报邮箱：jubao@zhiding.cn　公开举报受理处置规则

网上有害信息举报专区：https://www.12377.cn

安全联盟认证