Palo Alto AI初创公司Elorian推出首个AI模型Glimpse,引入了不同于传统方法的图像处理机制。与常见的将图像转换为tokens后进行推理的做法不同,Glimpse能在推理过程中重复查看图像、裁剪特定区域和抽取视频帧。该公司声称该模型在科学图表推理和短视频字幕生成等任务上超越了GPT-6 Astra。
Google DeepMind推出了名为"视觉提示工程"(VIPE)的新范式,将提示工程应用从语言模型扩展至视觉领域 。该方法通过将抽象图像转换为更真实的视觉场景来优化视频模型的推理性能 。