赞助商与资源介绍

视频开篇首先介绍了赞助商 Verda，这是一个提供高质量云GPU服务的平台。博主提供了专属优惠码 BYCLOUD-50，用户只需支付 5美元 即可获得 50美元 的计算额度。具体的兑换流程链接也在描述中提供，方便读者直接获取资源。此外，博主还推广了自己的新项目 Intuitive AI Academy，这是一个专注于AI优化的学习平台。目前有一个限时优惠，使用代码 LOCKIN 可以享受年度计划的 35% 折扣。博主还推荐了自己的每周研究论文通讯服务，以及Patreon支持页面，感谢那些长期支持他的Patrons和YouTube会员，名单中包括了 Spam Maj, Alex, Chris LeDoux 等多位支持者。

"Need high quality cloud GPUs? Check out Verda now, and use the code BYCLOUD-50 to get $50 of compute credits for just $5!"

核心主题：被删除的视觉原语论文

本期视频的核心内容是深入探讨 DeepSeek 发布后又删除的一篇论文，标题为 Visual Primitives（视觉原语）。这篇论文提出了一种全新的视觉模型架构，其核心创新在于 通过指针（pointers）和框格（boxes）来 grounding 视觉信息。这与传统的视觉模型处理方式截然不同，博主认为这一思路非常激进且有趣。视频旨在解析这篇被删除论文背后的技术逻辑，以及它如何重新定义视觉基础模型的工作方式。博主还推荐了一个编程学习平台 Scrimba，作为视频的另一位赞助商。

"In this video, we are diving into the DELETED paper from DeepSeek called Visual Primitives, which is a vision model that grounds vision through pointers and boxes."

视觉原语的概念解析

Visual Primitives 论文的核心思想是将视觉理解分解为更基础的元素。传统的视觉模型往往直接处理像素或特征图，而这篇论文主张使用 指针和框格 作为中间表示层。指针用于指向图像中的特定区域或对象，而框格则用于界定这些对象的边界。这种设计使得模型能够更精确地定位和理解图像中的各个部分，从而提高了视觉任务的准确性。博主指出，这种 ** grounding 机制** 是视觉模型的关键，它允许模型将视觉信息与文本或其他模态的信息进行更紧密的对齐。

"Thinking With Visual Primitives" 这一标题暗示了模型不仅仅是处理图像，而是像人类一样通过基本的视觉元素进行思考。

指针与框格的技术实现

在技术实现上，Visual Primitives 模型利用指针来引用图像中的特定特征，而不是直接处理整个图像。这种方式类似于人类在描述图像时使用指示代词（如“这个”、“那个”）来指向特定对象。框格则提供了更具体的空间信息，帮助模型确定对象的位置和大小。这种 双重机制 使得模型能够在复杂场景中更准确地识别和定位对象。博主强调，这种设计不仅提高了模型的精度，还增强了其 可解释性，因为我们可以清楚地看到模型是如何通过指针和框格来理解图像的。

"Visual Primitives" 论文的核心在于通过指针和框格来 grounding 视觉信息，这是一种创新的视觉模型架构。

视觉基础模型的重构

Visual Primitives 对视觉基础模型的重构意义深远。传统的视觉基础模型通常依赖于大规模的预训练数据，而这篇论文提出的方法则通过 结构化的视觉原语 来增强模型的理解能力。这种重构使得模型在处理复杂视觉任务时更加高效和准确。博主认为，这种 基于原语的方法 可能会成为未来视觉模型发展的一个重要方向，因为它提供了一种更灵活、更精确的视觉理解方式。通过这种方式，模型能够更好地处理多模态任务，如视觉问答、图像描述等。

"This is a vision model that grounds vision through pointers and boxes," 这句话概括了论文的核心创新点。

结论与展望

总的来说，Visual Primitives 论文提出了一种创新的视觉模型架构，通过 指针和框格 来 grounding 视觉信息。这种设计不仅提高了模型的精度和可解释性，还为未来视觉模型的发展提供了新的思路。尽管这篇论文已经被删除，但其核心思想仍然具有重要的参考价值。博主鼓励读者深入研究这篇论文，探索其在实际应用场景中的潜力。同时，博主也提醒读者，AI 领域的研究进展迅速，新的技术和方法不断涌现，保持学习和关注是非常重要的。

"DeepSeek's Deleted Vision Paper Is Nuts..." 这一标题反映了博主对这篇论文创新性的惊叹。