DeepSeek 公布多模态模型技术报告后又删除

DeepSeek 在 GitHub 发布多模态大模型并公开配套技术报告，提出基于「视觉原语」的创新推理框架，以突破当前多模态大语言模型在空间参照任务中的核心瓶颈。报告指出主流链式思维推理范式局限于语言学领域，现有研究忽视「参照鸿沟」问题，自然语言模糊性会导致模型推理逻辑崩溃。为此，DeepSeek 提出「基于视觉原语的思考」框架，将空间标记提升为推理基本单元，使模型具备「指代」能力，实现对空间关系的精确推演。该框架模型架构高度优化，视觉标记效率高，在相关测试中能与前沿模型匹配，为多模态智能指明方向。不过，随后该论文被删除。