
只用15%数据,多模态指令微调反超全量训练15.8%!(在新窗口打开)
来自上海交大、马来亚大学、CMU、MBZUAI、KIT和KAUST的团队提出VisNec(Visual Necessity Score,视觉必要性分数),用一个分数衡量每条训练样本里“图像到底起了多大作用”,被ECCV 2026收录。
共 254 篇

来自上海交大、马来亚大学、CMU、MBZUAI、KIT和KAUST的团队提出VisNec(Visual Necessity Score,视觉必要性分数),用一个分数衡量每条训练样本里“图像到底起了多大作用”,被ECCV 2026收录。

昨天,消息说孙天祥加入百度,担任基础模型研发部(BMU)负责人。「elsewhere」最开始知道孙天祥,还是投资人韩锐跟我们说的。大概一年半之前,他说他投资了一个“young talent”,就是1997年的孙天祥。当时他刚离开阳陆育的公司。

去年夏天,MBZUAI 校长、CMU 教授邢波一篇《世界模型批评》吸引了研究社区广泛关注,他从科幻经典《沙丘》里「完美模拟现实」的想象出发,逐一拆解了当下几大世界模型流派的硬伤,提出了一套新架构,也由此引出了他与 Yann LeCun 之间一场关于「世界模型到底该怎么造」的公开辩论。

你有没有想过一个问题: 我们平时选模型,到底有多少是因为它真的好用,又有多少是因为它便宜?

南大王利民团队&腾讯混元的HYDRA系列(HYDRA,HYDRA-X)工作挑战了这个惯例,用一个基于ViT的统一视觉Tokenizer,帮助原生多模态模型更好地“看懂”和“创作”。训练一个基于ViT的Unified Tokenizer,使其同时具有理解和生成的能力,进而同时作为理解和生成的Autoencoder,来支持原生多模态模型(Unified Multimodal Models)的训练。

前些天,CMU 助理教授、TVM/XGBoost/MLC-LLM 的创造者陈天奇发布了一本免费在线书籍《Modern GPU Programming For MLSys(面向机器学习系统的现代 GPU 编程)》。

从 Founder Park 出去后,Muji 去新加坡深造了一年,然后以 COO 的身份加入了 Seede AI。

当智能逼近临界点。 Hi 我是 Koji,上周六我在 MiniMax Dev Meetup 上主持了一场圆桌讨论,并录制了一期现场播客。嘉宾包括: 🧑🏻💻 IO 闫俊杰:MiniMax 创始人 CEO 🧑🏻💻 张佳圆:Multica 创始人 🧑🏻💻 何涛:DeerFlow 核心负责人 🧑🏻💻 虞扬:上市金融公司 技术负责人 整场对话持续 60 分钟,随后又进行了 60 分钟的观众问答。本文为现场对话的完整实录。 本期内容的视频和音频播客将在本周内发布于「十字路口Crossing」的小宇宙和 @Koji杨远骋 的小红书、视频号、BiliBili、Youtube

Meta 发布了一项令人震撼的研究工作 VLM³,首次揭示了三维视觉学习的 Bitter Lesson:标准的视觉语言模型 + scale 数据就是最简单有效的范式,针对特定任务的架构、损失函数以及数据增强的设计,甚至是 regression 的 formulation,均不是三维视觉学习的必要条件。

我们今天以 PDF 写论文的方式,已经持续了三百多年。然而论文其实是把一段混乱反复、充满试错的真实研究,讲成一个干净利落、足以服人的完美故事。