// 01 DeepEyes 是什么
DeepEyes是一款由小红书与西安交通大学联合研发的多模态视觉-语言模型，旨在实现“用图思考”的能力。该模型通过端到端的强化学习训练，使模型能够在推理过程中动态调用图像信息，增强对细节的感知与理解，从而提升多模态推理能力。
🚀 怎么使用？
用户可以通过以下方式使用 DeepEyes：
访问在线演示平台：通过官方提供的在线 DEMO 页面，体验模型的多模态推理能力。
调用 API 接口：开发者可以申请 API 调用权限，将 DeepEyes 集成到自己的应用中。
本地部署：对于有数据安全需求的企业或机构，可以选择将模型私有化部署。
✨ 主要功能
用图思考：模型能够在推理过程中动态调用图像信息，增强对细节的感知与理解。
视觉搜索：在高分辨率图像中快速定位小物体或模糊区域，提升搜索准确率。
幻觉缓解：通过聚焦图像细节，减少模型在生成回答时可能出现的幻觉现象，提升回答的准确性和可靠性。
多模态推理：实现视觉和文本推理之间的无缝融合，提升模型在复杂任务中的推理能力。
动态工具调用：模型能自主决定何时调用图像工具，如裁剪、缩放等，无需外部工具支持，实现更高效、更准确的推理。
⚙️ 技术原理
端到端强化学习：DeepEyes 使用端到端的强化学习方法训练模型，无需冷启动监督微调（SFT），基于奖励信号直接优化模型的行为。
交错多模态思维链（iMCoT）：引入交错多模态思维链，支持模型在推理过程中动态地交替使用视觉和文本信息。
工具使用导向的数据选择：训练数据经过精心筛选，确保样本有效促进模型的工具调用能力，提升模型的泛化能力。
🛠 应用场景
| 场景 | 描述 |
|---|---|
| 教育与科研 | 辅助学生和研究人员进行图文结合的学习与研究，提高理解和分析能力。 |
| 医疗影像分析 | 在医学图像中定位病变区域，辅助医生进行诊断和治疗方案制定。 |
| 智能制造 | 在生产线上实时监控产品质量，及时发现并纠正缺陷，提高生产效率。 |
| 安全监控 | 在监控视频中快速识别异常行为或事件，提升安全防范能力。 |
| 多媒体内容创作 | 辅助创作者进行图文内容的生成与编辑，提高创作效率和内容质量。 |
🔗 项目地址
GitHub 项目地址：https://github.com/Visual-Agent/DeepEyes
官方演示平台：https://ai-bot.cn/deepeyes/
// 04 常见 问题
DeepEyes 是什么？
DeepEyes是一款由小红书与西安交通大学联合研发的多模态视觉-语言模型，旨在实现“用图思考”的能力。该模型 […]
DeepEyes 适合哪些场景？
可优先参考它所属的 AI 大模型 / 对话 分类，以及 tech-cv、industry-education、industry-medical、多模态大模型、视觉搜索 等标签。
DeepEyes 是否提供可用入口？
当前页面暂未记录官网或下载入口，建议以页面说明和后续维护更新为准。
DeepEyes 支持哪些平台？
当前记录为网页工具，通常可通过浏览器访问。
