🏷️ 空间参照

DeepSeek多模态技术报告：视觉原语让模型学会「指哪打哪」

DeepSeek发布多模态大模型技术报告，提出「视觉原语」框架，将点、边界框从视觉输入提升为「基本思维单元」，实现精确空间推演。小模型比肩GPT-5.4、Claude-Sonnet。