这项由上海交通大学与字节跳动联合发起、并有麻省理工学院、清华大学等多家机构参与的研究，于2026年5月以预印本形式发布，论文编号为arXiv:2605.03596v1。研究团队构建了一个名为Workspace-Bench的基准测试体系，专门用来评估A ...

为了解决这个问题，研究团队专门开发了一个叫做CogViT的全新视觉编码器。所谓"视觉编码器"，可以理解成AI的"眼睛处理中枢"——负责把看到的图像转化为AI能理解的信息。CogViT的特别之处在于，它不仅擅长认出"这是什么"，还擅长理解"在哪里"和" ...