传音持续深化AI领域的传音成果产学研协同，积极推动与国内外知名高校的相关深度合作，围绕AI视觉、研究语音、入选语言与大模型等方向推进协同创新。计算机视觉顶日前，传音成果传音TEX AI中心与中山大学、相关穆罕默德·本·扎耶德人工智能大学（Mohamed bin Zayed University of Artificial Intelligence，研究简称MBZUAI）联合开展的入选“拍照解题”项目研究取得重要进展，相关成果论文已被计算机视觉领域的计算机视觉顶国际顶级学术会议CVPR 2026正式录用。

论文链接：https://arxiv.org/abs/2512.19554

代码链接：GitHub - yongxinwang-ai/CARE

CVPR是传音成果IEEE主办的计算机视觉与模式识别领域的顶级会议，是相关中国计算机学会（CCF）推荐的A类会议，它与ICCV、研究ECCV并称为计算机视觉领域“三大顶会”。入选据最新数据，计算机视觉顶CVPR 2026共有逾三万人投稿，在进入评审流程的16,092篇有效文章中，最终接收率仅25.42%，每篇论文都必须通过3-5位全球顶尖专家的双盲评审。

近年来，AI大模型在逻辑推理与复杂问题求解方面的能力持续提升，但在实际应用中，其在复杂数学题上的处理表现仍存在不足。例如，解题结果正确但推理过程存在逻辑漏洞，或步骤看似完整但实际推导错误。这类问题在学习场景中尤为关键，相较于答案本身，推理过程的准确性更直接影响学生对知识的理解与掌握。

针对这一问题，传音TEX AI中心与中山大学、MBZUAI团队合作，开发了CARE（Contrastive Anchored REflection）技术，从训练机制上对传统路径进行了优化。不同于仅以“结果对错”作为反馈信号的方式，CARE技术将关注点前移到推理过程本身，重点引入“高质量错误样本”——即那些接近正确但存在关键步骤偏差的解题路径。通过将这类样本与标准解法进行对比分析，并结合反思式重推理机制，模型能够识别具体错误环节，并完成自我修正，从而形成更稳定、连贯的推理能力。在引入反思机制后，模型对复杂问题的二次推理成功率由约10%–19%提升至76.6%，有效增强了面对复杂题目时的稳定性。

此外，CARE技术还引入“救援机制”：即使多次尝试均未得到正确结果，系统仍会从已有错误路径中筛选出“相对最优解”，作为进一步学习的起点，使模型在复杂问题下仍能持续优化推理能力。

在实际效果上，该方法显著提升了模型的解题质量。在MathVista（图像数学推理）测试中，CARE准确率比传统方法的68.9%高13.2个百分点，提升至82.1%；在MMMU-Pro（多学科综合推理）测试中，CARE将准确率从36.4%提升至46.7%。整体来看，CARE 比传统方法平均提升 4.6 个百分点。

目前，该技术已进入产品化阶段，并逐步应用于传音手机智能助手中。基于CARE优化后的能力，传音手机智能助手拍照解题功能在输出结果时不仅能够提供答案，还能呈现更清晰、结构更完整的解题步骤，在面对多步骤推导问题时也更不容易出现逻辑中断或错误累积。这种“过程可解释”的能力，使AI从单纯的解题工具，进一步向“可辅助理解”的学习工具演进。

拍照解题是传音在 AI 教育应用上的重要方向。在非洲、南亚等地区，教育资源相对稀缺，部分家庭在课后辅导方面仍面临一定困难。传音推出的拍照解题功能为学生提供即时的解题思路与步骤解析，在一定程度上弥补学习支持资源的不足，帮助用户更高效地理解知识点，提升学习效率，让前沿科技真正服务于每个人的生活。

随着AI技术持续向真实场景渗透，AI已经成为理解用户需求、创造新体验的重要工具。传音积极将 AI 能力深度融入社交、出行、健康、教育等高频场景，让技术从“可用” 变为“真实可感”，实现用户的体验升级。此次联合研究成果的落地，也为AI在教育场景中的进一步应用提供了新的技术路径与实践基础。通过持续推进以用户需求为导向的技术创新，并深化与高校的协同研发，传音正不断将前沿AI能力转化为可落地的产品体验，让更多用户能够享受到AI带来的便利。