当地时间1月28日，北京智源人工智能研究院的一项突破性研究成果在国际顶级学术期刊《自然》（Nature）上线，这是我国科研机构主导的大模型成果首次在《自然》正刊发表。
2018年以来，GPT采用“预测下一个词元（Next-token prediction，NTP）”的自回归路线，实现了语言大模型重大突破，开启了生成式人工智能浪潮。而擅长同时处理文字、图片、视频等多种形态信息的多模态模型主要依赖对比学习、扩散模型等专门路线。在此背景下，一个重要问题困扰行业数年：能否用一种简单、统一的方法即自回归路线，让AI（人工智能）同时学会高效地处理文字、图片和视频？
智源这项名为“通过预测下一个词元进行多模态学习的多模态大模型”的成果给出了肯定的答案。该成果表明，只采用自回归路线，就可以统一多模态学习，训练出优秀的原生多模态大模型，这对于确立自回归成为生成式人工智能统一路线具有重大意义。
记者了解到，长期以来，AI在学习不同类型的“感官”信息时，往往需要“分科而治”——理解文字用一套方法，生成图片用另一套，处理视频又需要不同的专业模型，过程复杂且协同起来较为困难。而智源研究院研发的Emu3模型，借鉴了GPT成功的关键思路“预测下一个词元”，成功统一了对文本、图像及视频的理解与生成能力。打个比方，就如同给AI找到了一个“万能学习法”，无论面对的是一段文字、一张照片，还是一段动态影像，AI都用同一种逻辑去分析和创造。实验表明，这种统一方法在图片生成、图文理解和视频创作等多个任务上，达到了与当前各类专用模型相当的水平，且具备更强的扩展潜力和通用性。
《自然》编辑点评这项研究时表示，基于“预测下一个词元”，Emu3实现了大规模文本、图像和视频的统一学习，其在生成与感知任务上的性能可与使用专门路线相当，这一成果对构建可扩展、统一的多模态智能系统具有重要意义。
值得一提的是，基于这一核心路径的迭代版本Emu3.5模型，已展现出对物理世界运行规律的初步学习与模拟能力，能够尝试预测场景的下一步变化，为发展更通用、更接近人类认知方式的大模型与智能体奠定了基础。
据悉，自2020年启动“悟道”大模型研究以来，智源研究院持续聚焦大模型的原始创新与长期技术路径探索。2025年6月，智源发布新一代大模型系列成果“悟界”，目标是构建人工智能从数字世界迈向物理世界的关键能力，打造物理世界的人工智能基座模型。该系列模型包括：Emu系列多模态世界模型、RoboBrain跨本体具身大脑、数字孪生心脏、Brainμ脑科学多模态基础模型以及OpenComplex全原子生命模型等，共同构建起覆盖宏观具身智能、介于宏观和微观尺度的生命系统到微观构象动力学的多层次技术基座。
当地时间1月28日，北京智源人工智能研究院的一项突破性研究成果在国际顶级学术期刊《自然》（Nature）上线，这是我国科研机构主导的大模型成果首次在《自然》正刊发表。
2018年以来，GPT采用“预测下一个词元（Next-token prediction，NTP）”的自回归路线，实现了语言大模型重大突破，开启了生成式人工智能浪潮。而擅长同时处理文字、图片、视频等多种形态信息的多模态模型主要依赖对比学习、扩散模型等专门路线。在此背景下，一个重要问题困扰行业数年：能否用一种简单、统一的方法即自回归路线，让AI（人工智能）同时学会高效地处理文字、图片和视频？
智源这项名为“通过预测下一个词元进行多模态学习的多模态大模型”的成果给出了肯定的答案。该成果表明，只采用自回归路线，就可以统一多模态学习，训练出优秀的原生多模态大模型，这对于确立自回归成为生成式人工智能统一路线具有重大意义。
记者了解到，长期以来，AI在学习不同类型的“感官”信息时，往往需要“分科而治”——理解文字用一套方法，生成图片用另一套，处理视频又需要不同的专业模型，过程复杂且协同起来较为困难。而智源研究院研发的Emu3模型，借鉴了GPT成功的关键思路“预测下一个词元”，成功统一了对文本、图像及视频的理解与生成能力。打个比方，就如同给AI找到了一个“万能学习法”，无论面对的是一段文字、一张照片，还是一段动态影像，AI都用同一种逻辑去分析和创造。实验表明，这种统一方法在图片生成、图文理解和视频创作等多个任务上，达到了与当前各类专用模型相当的水平，且具备更强的扩展潜力和通用性。
《自然》编辑点评这项研究时表示，基于“预测下一个词元”，Emu3实现了大规模文本、图像和视频的统一学习，其在生成与感知任务上的性能可与使用专门路线相当，这一成果对构建可扩展、统一的多模态智能系统具有重要意义。
值得一提的是，基于这一核心路径的迭代版本Emu3.5模型，已展现出对物理世界运行规律的初步学习与模拟能力，能够尝试预测场景的下一步变化，为发展更通用、更接近人类认知方式的大模型与智能体奠定了基础。
据悉，自2020年启动“悟道”大模型研究以来，智源研究院持续聚焦大模型的原始创新与长期技术路径探索。2025年6月，智源发布新一代大模型系列成果“悟界”，目标是构建人工智能从数字世界迈向物理世界的关键能力，打造物理世界的人工智能基座模型。该系列模型包括：Emu系列多模态世界模型、RoboBrain跨本体具身大脑、数字孪生心脏、Brainμ脑科学多模态基础模型以及OpenComplex全原子生命模型等，共同构建起覆盖宏观具身智能、介于宏观和微观尺度的生命系统到微观构象动力学的多层次技术基座。
3月20日8时31分，探月工程四期鹊桥二号中继星由长征八号遥三运载火箭在中国文昌航天发射场成功发射升空。火箭飞行24分钟后，星箭分离，将鹊桥二号中继星直接送入近地点高度200公里、远地点高度42 3月22日黎明，太阳系中最明亮的行星金星与太阳系中拥有最多卫星的行星土星将在东南方低空近距离相伴，上演“结伴游”。北京星空摄影爱好者王俊峰2023年1月23日在北京西城区拍摄的金星（左上）、土星 一个国际团队近日在英国《自然》杂志上发表论文说，他们利用湖水样本培养出一种奇特的光合细菌，它属于绿弯菌门一种此前未知的目，代表了光合作用生物进化过程中的过渡形式。新发现为进一步探索远 3月23日消息，vivo X Fold3系列将于3月26日正式发布，成为全球首款骁龙8 Gen3折叠屏电话。现在这款新机外观已经解禁，下面为大家带来图赏。vivo X Fold3提供了薄翼黑和轻羽白两种配色，后壳手感顺滑，触感 3月23日消息，荣耀Magic6 RSR 保时捷设计于3月22日正式开售，售价为9999元。该款电话首销当天即被抢购一空，荣耀商城显示，下一轮销售时间将是3月29日上午10:08。荣耀总裁赵明在微博上表示，荣耀Magic6 RS 在近日开幕的中国国际核工业展览会上，中国核学会理事会党委书记、理事长王寿君表示，中国内地现有在运核电机组55台、居全球第三；在建核电机组26台，保持全球第一。这些成绩的取得，离不开智能化技术 。本文链接：京产大模型成果登上国际顶级期刊http://www.sushuapos.com/show-2-15082-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： 我们为什么一定要“星际航行”
下一篇： 探访全国首家人形机器人7S店