news 2026/10/30 21:48:46

“心内推理”:一种动态多模态潜在空间推理范式 | 直播预约

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
“心内推理”:一种动态多模态潜在空间推理范式 | 直播预约

主题

“心内推理”:一种动态多模态潜在空间推理范式

时间

2026.01.17 周六 10:00 北京时间
2026.01.16 周五 21:00 美东时间
2026.01.16 周五 18:00 美西时间

直播平台

🎙本次分享为全英文讲座!🌍

微信视频号:

b站直播间:

Youtube直播间:

https://www.youtube.com/live/U0rDRX7ZkYM

内容介绍

当前多模态大模型在推理过程中,往往依赖冗长的文字化 Chain-of-Thought 或频繁调用外部视觉工具,导致推理效率低下且稳定性不足。本次分享将介绍 DMLR(Dynamic Multimodal Latent Reasoning),一种无需额外训练、仅在推理阶段生效的方法。该方法通过在潜空间中动态优化潜在思考token,并以模型内部不确定性为信号自适应地引入关键视觉信息,实现高效且稳定的多模态推理过程,更贴近人类按需感知与推理的认知机制。

Reasoning Within the Mind: Dynamic Multimodal Interleaving in Latent Space
论文地址:https://arxiv.org/pdf/2512.12623\

嘉宾

Chenzhi Liu,加州大学圣塔芭芭拉分校(UCSB)计算机科学博士生,导师为Xin Eric Wang, 研究方向包括多模态大模型幻觉与可靠性,以及 agent 推理系统设计。
个人网站:
https://chengzhiliu666.github.io/

主持人

李大卫,亚利桑那州立大学一年级博士生,在ACL,EMNLP,NAACL等顶级会议发表多篇论文,同时担任ARR,ICLR,NeurIPS,AISTATS等国际会议审稿人。研究兴趣包括从结构化/非结构化文本以及参数化模型中蒸馏知识,高效模型训练/推理,以及探索大模型的社会智能和社交智能。

入群

欢迎加入NICE每周分享交流群,可与NICEer唠嗑,以及第一时间收到后续NICE分享报告的通知。加群通过小助手认证,群内无广告。

备注【昵称-单位-方向-NICE入群】

NICE介绍

NICE(Nexus forIntelligenCE)是一个由全球50+位一线青年学者共同发起的顶尖AI前沿交流平台。 成立以来,我们汇聚海内外300+嘉宾,通过百余场线上深度分享与线下高规格活动(北京/上海/苏州等),全网积累超13万关注。目前,NICE已构建起覆盖中、美、欧的国际化团队,正加速在硅谷、纽约、香港等地落地,致力于打造连接学术、产业与未来的全球化AI前沿社区。
NICE主页
https://nice-nlp.github.io
NICE海外
https://nice-intl.github.io
b站
https://space.bilibili.com/507524288
Youtube
https://www.youtube.com/@NLPAcademicExchangePlatform

编辑:冯可蘅 华盛顿大学
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/10/19 9:36:17

AWPortrait-Z模型压缩:在边缘设备上运行的尝试

AWPortrait-Z模型压缩:在边缘设备上运行的尝试 1. 引言 随着深度学习技术的发展,人像美化类生成模型在消费级应用中需求日益增长。然而,大多数高质量图像生成模型由于参数量大、计算密集,难以直接部署在资源受限的边缘设备上。A…

作者头像 李华
网站建设 2026/10/25 0:35:50

为什么选择cv_resnet18_ocr-detection?OCR模型选型深度解析

为什么选择cv_resnet18_ocr-detection?OCR模型选型深度解析 1. OCR技术背景与选型挑战 光学字符识别(Optical Character Recognition, OCR)作为计算机视觉中的关键任务,广泛应用于文档数字化、票据识别、证件信息提取等场景。随…

作者头像 李华
网站建设 2026/10/23 17:47:11

Paraformer-large语音识别实战:长视频字幕生成的一站式解决方案

Paraformer-large语音识别实战:长视频字幕生成的一站式解决方案 1. 引言:为什么需要离线语音识别方案? 随着音视频内容的爆炸式增长,自动语音识别(ASR)技术在字幕生成、会议记录、媒体归档等场景中扮演着…

作者头像 李华
网站建设 2026/10/30 0:53:13

一文搞懂Qwen3-Embedding-0.6B:从安装到应用全流程

一文搞懂Qwen3-Embedding-0.6B:从安装到应用全流程 1. 引言 随着大语言模型(LLM)驱动的检索增强生成(RAG)和智能代理系统的发展,高质量的文本嵌入与重排序能力成为信息检索、语义理解等任务的核心基础。传…

作者头像 李华
网站建设 2026/10/30 2:50:06

TurboDiffusion种子管理技巧,帮你保存最佳结果

TurboDiffusion种子管理技巧,帮你保存最佳结果 1. 引言 1.1 视频生成中的“随机性”挑战 在使用TurboDiffusion进行文生视频(T2V)或图生视频(I2V)任务时,用户常常面临一个核心问题:每次生成的…

作者头像 李华
网站建设 2026/10/29 4:43:05

电商设计师福音!批量处理100张图片只要半小时

电商设计师福音!批量处理100张图片只要半小时 1. 业务场景与痛点分析 在电商平台的日常运营中,商品图是影响转化率的关键因素之一。为了实现统一的视觉风格,设计师通常需要将模特或产品从原始背景中精准抠出,并替换为纯白、渐变…

作者头像 李华