SenseNova-MARS是什么
sensenova-mars是由商汤科技推出的开源多模态自主推理大模型，提供8b与32b两种参数量级版本。作为业界首个实现动态视觉推理与图文联合搜索深度协同的agentic视觉语言模型（agentic vlm），该模型具备类智能体的任务规划能力，可自主调度图像裁剪、文本检索、图像检索三大核心工具，无需人工介入即可完成多步、跨模态的复杂推理任务。在mmsearch、hr-mmsearch、fvqa等七大权威评测基准上，sensenova-mars-32b以69.74的平均分领先gemini-3-pro（69.06）和gpt-5.2（67.64），在当前开源模型中刷新sota纪录，标志着人工智能正从“被动应答”迈向“主动执行”的关键演进。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
旭东多语言企业网站管理系统XDcms3.0.1
下载
XDcms是南宁旭东网络科技有限公司推出的一套完全开源的通用的内容管理系统。主要使用php+mysql+smarty技术基础进行开发，XDcms采用OOP(面向对象)方式进行基础运行框架搭建。模块化开发方式做为功能开发形式。框架易于功能扩展，代码维护，二次开发能力优秀。 XDcms重点功能 A、内容管理模型，自定义字段，更方便扩展功能。自带模型：单页模型、新闻模型、产品模型、招聘模型 B、栏目自定
SenseNova-MARS的核心能力
- 跨模态搜索式推理：深度融合图像与文本语义，支持实时调用外部工具开展知识驱动的多跳推理，实现信息检索与逻辑推演的一体化闭环。
- 超精细视觉理解：原生适配4K/8K超高分辨率图像输入，可稳定识别并精准裁剪占比低于5%的微小目标区域，保障细节级分析可靠性。
- 端到端Agent式执行：无需人工拆解任务，模型自动分解步骤、协调工具调用顺序，并持续迭代优化决策路径，独立完成高复杂度现实任务。
SenseNova-MARS的技术实现机制
- 两阶段协同训练框架：第一阶段采用约3,000条高质量多轮人机交互轨迹进行监督微调，使模型快速习得基础工具调用范式；第二阶段引入BN-GSPO强化学习算法，通过组内归一化与批次级归一化双重机制，显著提升多工具协同策略的稳定性与泛化性。
- BN-GSPO强化学习设计：专为多工具长序列决策场景优化，先对同组轨迹做组内归一化以消除样本间偏差，再对整批数据统一归一化，有效缓解因任务长度差异与奖励尺度不一致引发的训练震荡，实现高效稳健的策略收敛。
- 结构化动作空间与工具接口：每轮推理仅需在文本搜索、图像搜索、图像裁剪及终止响应四类动作中择一执行；图像裁剪通过归一化坐标框（x_min, y_min, x_max, y_max）实现像素级局部聚焦；所有工具调用严格遵循预定义JSON Schema，确保系统级交互一致性。
- 双维度稀疏奖励建模：以GPT-4o为外部评判器，从答案正确性与格式规范性两个维度生成稀疏奖励信号：正确性奖励基于最终输出与标准答案的语义相似度计算；格式奖励则验证每轮响应是否完整包含推理链路、工具调用指令及参数字段。
- 全自动高质量数据构建流水线：依托多模态智能体引擎，集成细粒度视觉锚点定位、多跳跨源关联检索、闭环自洽性验证三大模块，从海量网页中自动挖掘实体间深层逻辑关系，生成高难度推理样本，并同步过滤幻觉内容，保障训练数据的真实性与挑战性。
SenseNova-MARS的官方资源入口
- GitHub开源仓库：https://www.php.cn/link/6ce9251b4d3766af79fcf03389b2a6a3
- HuggingFace模型中心：
- arXiv技术报告：https://www.php.cn/link/01623048e7d81ab613de0f5d03e95fcc
SenseNova-MARS的典型应用方向
- 体育赛事智能分析：精准识别赛车服上的微型标识，联动检索所属车队、车手履历及历史成绩，并自动比对计时数据辅助判罚复核。
- 企业级商业情报提取：从行业峰会合影中识别参会企业Logo，一键聚合其最新产品参数、融资动态与竞品对比信息，支撑战略研判。
- 新闻事件真实性验证：针对高清现场图片，溯源拍摄地点、时间戳及涉事人物身份，交叉验证社交平台传播内容的可信度。
- 科研辅助与教学增效：自动解析学术论文中的图表数据，同步检索相关理论依据与前沿进展，加速文献调研与知识图谱构建。
- 文旅场景沉浸导览：识别街景中古建筑铭牌、交通指示牌等细微元素，即时推送对应的历史典故、文化背景与周边服务信息，打造个性化探索体验。
