multimodal AI 其他
5 stories tagged “multimodal AI 其他”.
-
MJev-Spatial通过本地注意力匹配使系统一空间智能成为可能
MJev-Spatial使用Qwen3.5-4B的单通分类来解决空间任务,在12个基准测试中得分为65.64%,运行速度是5.6倍.
-
作为 Qwen , GLM 和 Kimi 的竞争对手,
梅塔推出了Muse Spark Open,一个具有816B参数的开放权重的 multimodal 模型,拥有42B个活跃参数,1M个上下文和在Hugging Face上的权重.它与 Qwen , GLM 和 Kimi 在…
-
Intern Lumina U2是一个多代码库扩散LLM,用于全视觉理解和图像生成.
Intern Lumina U2是一个离散的传播LLM与1.4亿活跃参数,统一理解,生成和编辑在一个接口.
-
极端视觉减少的政策自蒸 token :用更少的时间自我教学
该论文通过使用在政策上的自蒸.来训练 token 模型以保持稀疏视觉输入的有用性,解决了极端的视觉 multimodal 2减少问题.它将 multimodal 2损失作为一个学习问题,旨在在攻击性的视觉压缩下保留语言接…
-
一个搜索-VL:图像和视频的统一 multimodal 深度研究代理
一个搜索-VL出现在 GitHub 和Hugging Face,但代码,数据,性能和许可证细节仍然未经验证.