文章
文章快讯网址导航
全部标签

视觉语言模型

  • 阿里千问开源 Qwen-Drive-1.0-4B：首个面向自动驾驶的视觉语言基础模型

    阿里千问开源 Qwen-Drive-1.0-4B：首个面向自动驾驶的视觉语言基础模型

    9 月 6 日消息，阿里千问本周开源了 Qwen-Drive-1.0-4B，这是一款基于 Qwen3.5-4B 构建的自动驾驶视觉语言模型。 官方表示，Qwen-Drive-1.0 是首个面向自动驾驶的视觉语言基础模型，在预训练阶段统一了 3D 感知与视觉问答，并进一步扩展至运动规划，同时完全保留了预训练 VLM 的原始架构。 模型采用分阶段训练方案，将驾驶监督与通用视觉语言数据结合，在获得驾驶特…
    资讯
    • 6.8k
  • 苹果 FastVLM 模型开放试用：Mac 用户秒享“闪电级”视频字幕，生成速度较同类 AI 快 85 倍

    苹果 FastVLM 模型开放试用：Mac 用户秒享“闪电级”视频字幕，生成速度较同类 AI 快 85 倍

    9 月 2 日消息，科技媒体 9to5Mac 昨日（9 月 1 日）发布博文，报道称苹果公司在 Hugging Face 平台上，推出了 FastVLM 视觉语言模型的浏览器试用版。 注：FastVLM 以其“闪电般”的视频字幕生成速度著称，只要用户拥有搭载 Apple Silicon 芯片的 Mac 设备，即可轻松上手体验这一前沿技术。 FastVLM 模型的核心优势在于其卓越的速度和效率。该模…
    资讯
    • 9k
  • 智谱开源新一代通用视觉语言模型

    智谱开源新一代通用视觉语言模型

    昨日，智谱正式推出并开源了新一代通用视觉语言模型 GLM-4.1V-Thinking，号称「GLM 系列视觉模型实现从感知走向认知的关键跃迁」。 具体来看，GLM-4.1V-Thinking 是一款支持图像、视频、文档等多模态输入的通用推理型大模型，专为复杂认知任务设计。其在 GLM-4V 架构基础上引入「思维链推理机制（CoT Reasoning）」，采用「课程采样强化学习策略（RLCS）」，系…
    资讯
    • 9.4k
  • 智谱获浦东创投、张江集团 10 亿元战略投资，开源发布新一代通用视觉语言模型 GLM-4.1V-Thinking

    智谱获浦东创投、张江集团 10 亿元战略投资，开源发布新一代通用视觉语言模型 GLM-4.1V-Thinking

    7 月 2 日消息，今天上午，智谱开放平台产业生态大会在上海浦东张江科学会堂举办，开源发布新一代通用视觉语言模型 GLM-4.1V-Thinking。 在智谱开放平台产业生态大会上，智谱宣布浦东创投集团和张江集团对智谱总额 10 亿元的战略投资，并于近期完成首笔交割。同时，三方还启动了一项合作，共同建设人工智能新型基础设施。 智谱今日正式发布并开源视觉语言大模型 GLM-4.1V-Thinking…
    资讯
    • 5.6k
  • 苹果发布 FastVLM 视觉语言模型，为新型智能眼镜等穿戴设备铺路

    苹果发布 FastVLM 视觉语言模型，为新型智能眼镜等穿戴设备铺路

    5 月 13 日消息，苹果机器学习团队上周在 GitHub 发布并开源了一款视觉语言模型 ——FastVLM，提供 0.5B、1.5B、7B 三个版本。 据介绍，该模型基于苹果自研 MLX 框架开发并借助 LLaVA 代码库进行训练，专为 Apple Silicon 设备的端侧 AI 运算进行优化。 技术文档显示，FastVLM 在保持精度的前提下，实现了高分辨率图像处理的近实时响应，同时所需的计…
    资讯
    • 5.4k
  • Hugging Face 最小 AI 视觉语言模型登场：2.56 亿参数，内存低于 1GB PC 也能驾驭

    Hugging Face 最小 AI 视觉语言模型登场：2.56 亿参数，内存低于 1GB PC 也能驾驭

    1 月 24 日消息，科技媒体 NeoWin 昨日（1 月 23 日）发布博文，报道称微软计划 2025 年 2 月开始，上线部署 Copilot Chat for Outlook 和 Copilot Chat for Teams，将带来全新的 Copilot 聊天体验，并提供更便捷的访问方式。 1AI援引微软更新的 Microsoft 365 路线图，附上相关信息如下： 2025 年 1 月下旬…
    资讯
    • 13.2k
  • Hugging Face 发布 SmolVLM 开源 AI模型：20 亿参数，用于端侧推理，体积小、速度快

    Hugging Face 发布 SmolVLM 开源 AI模型：20 亿参数，用于端侧推理，体积小、速度快

    Hugging Face 平台昨日（11 月 26 日）发布博文，宣布推出 SmolVLM AI 视觉语言模型（VLM），仅有 20 亿参数，用于设备端推理，凭借其极低的内存占用在同类模型中脱颖而出。 官方表示 SmolVLM AI 模型的优点在于体积小、速度快、内存高效，并且完全开源，所有模型检查点、VLM 数据集、训练配方和工具均在 Apache 2.0 许可证下发布。 SmolVLM AI …
    资讯
    • 14.3k
  • 北大清华等联合发布 LLaVA-o1：首个自发性视觉AI模型，推理计算 Scaling 新思路

    北大清华等联合发布 LLaVA-o1：首个自发性视觉AI模型，推理计算 Scaling 新思路

    11 月 19 日消息，由北京大学、清华大学、鹏城实验室、阿里巴巴达摩院以及理海大学（Lehigh University）组成的研究团队，最新推出了 LLaVA-o1，这是首个具备自发性（Spontaneous，具体解释可参考文末）、类似于 GPT-o1 的系统性推理视觉语言模型。 LLaVA-o1 是一种新型的视觉语言模型（VLM），其设计目标是进行自主的多阶段推理。 LLaVA-o1 拥有 1…
    资讯
    • 14.3k
❯
搜索

  • 扫码打开当前页

返回顶部