AI资讯新闻榜单内容搜索-VLM

关键词: VLM,视觉模型,AI,GPT-4o,Claude 3.5

视觉大语言模型在最基础的视觉任务上集体「翻车」，即便是简单的图形识别都能难倒一片，或许这些最先进的VLM还没有发展出真正的视觉能力？

关键词: 豆包大模型,VLM,视觉模型,AI,模型训练

当前的视觉语言模型（VLM）主要通过 QA 问答形式进行性能评测，而缺乏对模型基础理解能力的评测，例如 detail image caption 性能的可靠评测手段。

关键词: VLM,GPT-4o,Sonnet-3.5,AI,大模型

四大 VLM，竟都在盲人摸象？

关键词: 视觉语言模型,VLM,Transformer,模型训练

近些年，语言建模领域进展非凡。Llama 或 ChatGPT 等许多大型语言模型（LLM）有能力解决多种不同的任务，它们也正在成为越来越常用的工具。

关键词: 多模态,模型训练,GPT-4v,CogVLM2,智谱AI

开源多模态SOTA模型再易主！Hugging Face开发者大使刚刚把王冠交给了CogVLM2，来自大模型创业公司智谱AI。CogVLM2甚至在3项基准测试上超过GPT-4v和Gemini Pro，还不是超过一点，是大幅领先。

关键词: 模型训练,scaling,LLM,VLM,扩散模型

当计算预算低时，重复使用高质量数据更好；当不差钱时，使用大量数据更有利。

关键词: 模型训练,VLM, Transformer, SmartTrim,AI算法

哈工大联合度小满推出针对多模态模型的自适应剪枝算法 SmartTrim，论文已被自然语言处理顶级会议 COLING 24 接收。

关键词: SpatialVLM,语言模型,空间推理,模型训练

视觉语言模型虽然强大，但缺乏空间推理能力，最近 Google 的新论文说它的 SpatialVLM 可以做，看看他们是怎么做的。

关键词: 多模态大模型,Vary-toy,LVLM,视觉定位,图像描述

一款名为Vary-toy的“年轻人的第一个多模态大模型”来了！模型大小不到2B，消费级显卡可训练，GTX1080ti 8G的老显卡轻松运行。

关键词: 视觉-语言操作大模型,RoboFlamingo,VLMs,机器人大模型

还在苦苦寻找开源的机器人大模型？试试RoboFlamingo！