分類： 電腦視覺

• 拿掉視覺編碼器，多模態模型反而更強了？
• OCR 領域適應不用從頭訓？解耦語言模型，單 GPU 搞定 95% 計算量縮減
• 長影片推理為何總是翻車？Symphony 給出的答案是認知分工
• 推理越多，幻覺越重？多模態推理模型的「幻覺悖論」
• 李飛飛最新訪談：世界模型即將「降臨」
• OPA-DPO：多模態大型模型幻覺問題的高效解決方案
• 僅用圖像也能思考，強化學習開創推理模型新典範！複雜場景規劃能力極大化
• 全局注意力+位置注意力刷新SOTA！精度近乎100%！