Omni-R1: AI that draws its thoughts

Omni-R1: AI that draws its thoughts

What if AI could think with pictures?

Omni-R1 is a new multimodal AI that doesn’t just “talk through” problems—it draws its intermediate steps. Instead of relying on one fixed reasoning style, it unifies many skills (like zooming into regions, pointing to objects, or marking paths) by generating small helper images while reasoning.

  • Unified generative reasoning: one paradigm for many vision-language tasks.
  • Two-stage training: supervised fine-tuning + reinforcement learning with a perception alignment loss and perception reward to make the generated visuals actually useful.
  • Omni-R1-Zero: learns the same trick without multimodal labels by bootstrapping visual steps from text-only reasoning—and often matches or beats Omni-R1.

Why it matters: more general, transparent multimodal reasoning that can show its work across diverse tasks.

Paper: https://arxiv.org/abs/2601.09536v1 — Authors: Dongjie Cheng et al. (cs.AI)

Paper: https://arxiv.org/abs/2601.09536v1

Register: https://www.AiFeta.com

AI Multimodal MLLM ComputerVision GenerativeAI ReinforcementLearning Research

Read more

Tekoälyavustaja on taitavimmillaan, kun se ponnistelee vain silloin kun päätös on aidosti vaikea

Tekoälyavustaja on taitavimmillaan, kun se ponnistelee vain silloin kun päätös on aidosti vaikea

Kuka tahansa on klikkaillut verkkopalvelussa väärää nappia ja huomannut olevansa takaisin lähtöruudussa. Ihminen oppii nopeasti: selvässä tilanteessa ei jäädä märehtimään, epävarmassa pysähdytään ja tarkistetaan. Sama periaate alkaa hiipiä myös verkkosivuilla toimiviin tekoälyavustajiin. Vielä hiljattain ajateltiin, että tekoälyn suoritusta voi parantaa yksinkertaisesti antamalla sille enemmän ”miettimisaikaa” joka vaiheessa. Kun malli kirjoittaa,

By Kari Jaaskelainen
Kielimallin huomio toimii yllättävän hyvin pitkien tekstien hakijana

Kielimallin huomio toimii yllättävän hyvin pitkien tekstien hakijana

Moni tuntee tilanteen: edessä on 180-sivuinen raportti, ja pitäisi löytää vastaus yhteen täsmäkysymykseen. Hakutoiminto löytää kymmeniä osumia, mutta oikea kohta on aina sen taulukon alaviitteessä tai liitteessä, johon teksti viittaa. Sama ongelma vaivaa myös älykkäitä keskustelubotteja. Ne lupaavat lukea pitkät tiedostot, mutta harhailevat helposti väärään kappaleeseen tai vastaavat luottavaisesti hutiin.

By Kari Jaaskelainen
Koneesta tulee tarkempi, kun sille antaa hetken miettiä

Koneesta tulee tarkempi, kun sille antaa hetken miettiä

Moni kuvankäsittelysovellus lupaa taikoja yhdellä napilla: poista kahvikuppi pöydältä, kirkasta kasvot, vaihda tausta. Usein tulos on kelvollinen – kunnes pieni yksityiskohta lipsahtaa. Nenäkatse jää epätarkaksi, varjo unohtuu tai reunaan jää outo haamu. Taustalla on tyypillinen tapa, jolla tekoälyä on käytetty: se antaa vastauksen kerralla, ilman että pysähtyy tarkistamaan itseään. Ajatus, että

By Kari Jaaskelainen