カテゴリー： 視覚言語モデル
- 「層を一つ削除する」と、モデルはかえってタスクをより深く理解するのか？哈工深｜楊朔チームがVLMにおける「タスク干渉層」を発見
- NeurIPS'25！AutoPrune：プラグアンドプレイ可能な適応型大規模モデル剪定フレームワーク
- Xiaohongshu、初のマルチモーダル大規模モデルdots.vlm1をオープンソース化、SOTAに迫る性能を発揮！
- 描きながら考える！マルチモーダル推論が大幅に向上！
- 初のマルチモーダル専用スローシンキングフレームワーク！GPT-o1を7ポイント近く上回り、強化学習がVLMに「熟考」を促す
- Seed1.5-VL技術レポートの解説
- マルチモーダル大規模モデルが軒並み失敗、GPT-4oの安全合格率はわずか50%：SIUOがクロスモーダルな安全盲点を明らかに