搜索

关于“CLI”的结果

共 93 篇

腾讯纯文本LLM训视觉encoder,拿捏图表长视频,达到开源小模型SOTA!

腾讯纯文本LLM训视觉encoder,拿捏图表长视频,达到开源小模型SOTA!(在新窗口打开)

打破多模态视觉+语言拼接套路! 腾讯开源Penguin-VL,直接用纯文本LLM训视觉编码器。 这项研究跳出了先有传统视觉 backbone,再接语言模型的常规路径,直接从text-only LLM初始化vision encoder。 并在2B/8B紧凑参数规模下的文档理解、长视频时序定位等复杂任务中表现出极强竞争力。 从LLM出发的视觉编码器重构 如果把这两年的多模态模型拆开看,一个很有意思的现象是: 大家在语言模型上卷得很凶,但到了vision encoder这一层,路线却出奇一致。 很多VLM最后都会回到那套熟悉配方,先拿CLIP、SigLIP这类通过对比学习训出来的视觉模型做encod

AI技术文章
0
英伟达3D模型打造“AI建筑师特工队”,8位华人合著,包括千问实习生

英伟达3D模型打造“AI建筑师特工队”,8位华人合著,包括千问实习生(在新窗口打开)

英伟达新论文让AI学会先盖房、再装修。 智东西2月3日报道,近期,英伟达宣布其全新3D通用模型论文将发表于2026国际3D视觉会议,论文的预印本已于去年7月发表。这篇论文构建出了一种建构3D世界的新范式,验证了“AI生成的3D合成数据”可规模化替代人工标注数据,能够大幅降低视觉模型预训练的成本。 论文的主要成果为3D-GENERALIST模型,该模型使用统一化框架,将3D环境生成的四大核心要素即布局、材质、光照、资产等统一到序贯决策框架中。研究团队还提出了基于CLIP评分的自改进微调策略,可以让模型在下一轮生成中能自主修正前序错误。 这篇论文的作者有8位华人,第一二作者都是中国留学生,清华“姚

AI技术文章
0
Codex天团深度复盘:编程顶流是如何诞生的?

Codex天团深度复盘:编程顶流是如何诞生的?(在新窗口打开)

一文看懂Codex的自我革命。 在AI编程工具的牌桌上,OpenAI的Codex曾长期连入场资格都没有:用户寥寥,口碑平平,团队也走到了散伙边缘。然而,如今它已摇身一变,成为ChatGPT桌面版的底层系统,扛起4000万周活用户,并在CLI版本的下载量上,成功反超Claude Code。 打赢这场翻身仗,Codex仅用了不到1年。 智东西10月20日报道,近日,与OpenAI有密切联系的AI公司Every创始人Dan Shipper发表长文“How Codex Happened”,通过对OpenAI联合创始人Greg Brockman、Codex团队负责人Thibault Sottiaux(T

AI资讯
0
安卓开发被Vibe Coding接管了?谷歌把搓App门槛彻底打下来,一周搓出25万个

安卓开发被Vibe Coding接管了?谷歌把搓App门槛彻底打下来,一周搓出25万个(在新窗口打开)

最近,谷歌的日子不太好过。 自从 I/O 大会以来,谷歌经历了连环翻车: Gemini 3.5 Flash 被网友吐槽实际体验、额度消耗和稳定性不及预期;Gemini Omni Flash 原生多模态视频生成与编辑模型,表现不如 Seedance 2.0;Antigravity CLI 闭源、bug 多、且还被抓到演示视频里出现 Codex 文件;Google Cloud 自动风控系统错误封禁了知名 PaaS 平台 Railway 的账号,导致 Railway 服务大面积宕机好几个小时;AI Overviews 搜索 disregard、ignore 等单词时,AI 不正常显示字典释义,把搜索

AI技术文章
0