#多模态模型
主题「多模态模型」下共有 113 篇日报,第 2 / 2 页。
2026-10-06周二2 篇视频大模型PyTorch
2026-10-05周一1 篇多模态模型
2026-10-03周六2 篇物理 AI视频大模型
2026-10-02周五2 篇基准测试多模态模型
2026-09-30周三3 篇多模态模型科研
无编码器小规模落后:缩放定律预测大算力下可追上
该文比较有无视觉编码器的多模态缩放定律:文本损失前沿几乎重合,多模态上无编码器小规模落后,预测约10^{22} FLOPs处追上。
来源:Hugging Face Daily Papers正对不足与假负例:SentZero的句子级胸片零样本预训练
SentZero针对放射报告正样本对偏少和跨患者假负例,用抽象级句子映射、额外损失与句子条件视觉调制,做多任务零样本胸片分析。
来源:Hugging Face Daily Papers把视觉骨干写成自修改系统:五组记忆随扫描共同演化
VisionHOPE将视觉骨干表述为自修改学习系统,用五组耦合记忆让内容、键值与学习率在扫描中共演化,并以步长控制保证记忆动力学非扩张。
来源:Hugging Face Daily Papers2026-09-29周二1 篇多模态模型
2026-09-25周五4 篇GeminiTransformer多模态模型物理 AI
信息有限下的新动态:DeepMind 推出 Gemini 3.8 Live 与 Live Avatar
Google DeepMind 宣布 Gemini 3.8 Live 及 Live Avatar 功能,细节暂缺,仅据标题保守解读其对实时交互的潜在推进。
来源:Google DeepMind免训练压缩不必抹平层几何:GeoPair 做跨层配对与共享分解
GeoPair 以免训练方式优化跨层权重配对与共享字典,在保留各层激活几何的同时做结构化稀疏分解,并声称优于独立分解与启发式成对分解。
来源:Hugging Face Daily Papers材料仅有标题:HF 博文称 LFM2.5-VL-DSpark 加速视觉语言模型
Hugging Face 于 2026 年 9 月 24 日发文,材料仅有标题,未见摘要与评测,本文按字面保守记录该加速尝试。
来源:Hugging Face Blog固定大小记忆替代膨胀上下文:VLA 用联想状态和场景锚点处理历史依赖操作
为视觉语言动作模型引入定长情节记忆,用联想状态和初始场景锚点替代膨胀上下文,在五项需记忆的 RMBench 任务上平均成功率达无状态策略的 7.81 倍。
来源:Hugging Face Daily Papers2026-09-24周四3 篇科研强化学习
不是建模问题而是表示问题:GAE把几何特征压成生成潜空间
视觉生成难保三维一致。GAE将几何基础模型特征重参数化为可解码外观、深度、相机与点图的紧凑潜空间,固定生成器时FVD下降且相机轨迹误差减半。
来源:Hugging Face Daily Papers标量指标不适配矢量图:RULER用实例感知量规奖励优化SVG代码生成
RULER将每条指令转成覆盖语义、视觉与风格的六条实例量规,由裁判VLM逐项打分并作GRPO奖励,无需配对SVG或人类偏好,在MMSVG上将量规分从0.432/0.395提升至0.693/0.683。
来源:Hugging Face Daily Papers一个识别器覆盖229种语言:脚本感知MoE同时压过STR与VLM
脚本感知MoE做成全语种场景文字识别器,合成监督覆盖229种语言,自建基准82.06%,端到端F1略超最强VLM。
来源:Hugging Face Daily Papers2026-09-23周三2 篇应用架构基准测试
2026-09-22周二1 篇视频大模型
2026-09-13周日3 篇科研机器人多模态模型
AI编辑越反复,图像越易起波纹:Mi-Ripple按伪影类型精准修复
Mi-Ripple将迭代式图像编辑产生的周期纹理与颗粒噪声分开处理,在抑制数字波纹的同时尽量保护原有结构。
来源:Hugging Face Daily Papers机器人记忆不必塞进上下文:用计划连接长期经验与动作执行
MaP-WAM 将长期多模态记忆转化为分段计划,再由进度感知模型闭环执行,缓解历史覆盖、视觉细节与推理效率之间的矛盾。
来源:Hugging Face Daily Papers原生统一视觉智能迈进一步:SenseNova-U1.5实现理解与生成一体化
SenseNova-U1.5以8B-MoT架构统一视觉理解、推理与生成,并通过专家训练和蒸馏提升图像编辑、文字渲染及复杂构图能力。
来源:Hugging Face Daily Papers2026-09-11周五1 篇多模态模型
2026-09-10周四2 篇语音 AI实时交互
2026-09-09周三1 篇AI 生态
2026-09-06周日1 篇模型评测
2026-09-05周六2 篇扩散模型多模态模型
2026-09-03周四1 篇多模态模型
2026-09-02周三2 篇数字孪生视频大模型
2026-09-01周二1 篇AI 智能体
2026-08-27周四1 篇多模态模型
2026-08-26周三1 篇多模态模型
2026-08-25周二2 篇多模态模型
2026-08-22周六1 篇科研
2026-08-21周五2 篇强化学习视频大模型
2026-08-20周四1 篇物理 AI
2026-08-19周三2 篇多模态模型AI 智能体
2026-08-18周二1 篇科研
2026-08-16周日1 篇多模态模型
2026-08-15周六3 篇AI 智能体
设计脚手架也能自我迭代:AutoDesign提升长程海报生成
AutoDesign让元优化器依据执行反馈递归改写设计脚手架,并在论文转海报基准的多种配置中稳定提升得分。
来源:Hugging Face Daily Papers科研智能体走向统一底座:Intern-S2整合多模态与长程任务
Intern-S2-Preview通过科学多模态预训练、统一后训练和智能体强化学习,探索支持科研理解、生成与长程任务的通用模型底座。
来源:Hugging Face Daily Papers冻结 VLM 也能积累空间经验:SMA 用可验证记忆辅助推理
SMA 将可验证环境中的空间经验提炼为带可靠性评分的程序记忆,无需更新参数,并避免部署时调用外部专家空间工具。
来源:Hugging Face Daily Papers2026-08-14周五1 篇视频大模型
2026-08-13周四1 篇多模态模型
2026-08-04周二1 篇模型评测
没有匹配的日报,换个关键词试试。