标签： 视觉语言模型

AI 工具AIGC 资讯

Pixel Reasoner：滑铁卢&港科大联手打造，像素空间推理VLM革新视觉理解

站外新闻
站外新闻
AI 工具AIGC 资讯

VRAG-RL框架详解：阿里通义如何用强化学习突破多模态RAG推理瓶颈？

站外新闻
站外新闻
AI 工具AIGC 资讯

Hugging Face开源SmolVLA：4.5亿参数机器人模型，CPU可运行、消费级GPU可训练

站外新闻
站外新闻
AI 工具AIGC 资讯

腾讯清华重磅开源MindOmni：强化学习驱动的多模态推理生成模型，重塑视觉AI边界

站外新闻
站外新闻
AI 工具AIGC 资讯

VLN-R1：港大联合上海AI Lab发布具身智能框架，用视觉语言模型实现3D连续导航

站外新闻
站外新闻
AI 工具AIGC 资讯

智谱AI开源GLM-4.1V-Thinking：9B参数模型性能超越72B，视觉语言模型迎来‘思考’时代

站外新闻
站外新闻
AI 工具AIGC 资讯

小红书Hi Lab重磅开源dots.vlm1：12亿参数视觉编码器+DeepSeek V3，多模态大模型性能直逼闭源SOTA

站外新闻
站外新闻
AI 工具AIGC 资讯

Hugging Face重磅开源FineVision视觉语言数据集：1700万图像+8900万轮对话，AI模型性能飙升20%

站外新闻
站外新闻
AI 工具AIGC 资讯

IBM发布258M参数轻量级视觉语言模型：高效文档转换，支持多语言与复杂版式

站外新闻
站外新闻
AI 工具AIGC 资讯

Qwen3-VL：阿里通义最强视觉语言模型发布，4B/8B版开源，全面超越GPT-5 Mini与Claude4 Sonnet

站外新闻
站外新闻
AI 工具AIGC 资讯

字节抖音联合新加坡国立大学开源SAIL-VL2：MoE架构视觉语言模型革新多模态AI

站外新闻
站外新闻
AI 工具AIGC 资讯

阿里Qwen3-VL Cookbooks发布：开发者必看的多模态AI应用与落地全指南

站外新闻
站外新闻
AI 工具AIGC 资讯

字节跳动重磅开源MineContext：主动式AI上下文感知工具，5秒屏幕挖掘重塑数字生产力

站外新闻
站外新闻
AI 工具AIGC 资讯

DeepSeek-OCR开源：10倍压缩97%精度，高效文档处理迎来颠覆性突破

站外新闻
站外新闻
AI 工具AIGC 资讯

Glyph视觉压缩框架：智谱清华联手，大模型推理速度提升4倍，显存占用直降2/3

站外新闻
站外新闻
AI 工具AIGC 资讯

360重磅开源FG-CLIP 2：超越Google与Meta，全球最强双语视觉语言模型来了！

站外新闻
站外新闻
- 入群领取知识星球折扣卷, 仅剩99份 -

最近更新

Pixel Reasoner：滑铁卢&港科大联手打造，像素空间推理VLM革新视觉理解
AI 工具 AIGC 资讯
中科院联手中国电信发布MTVCrafter：3D运动驱动、4D标记化技术，视频生成质量飙升65%
AI 工具 AIGC 资讯
Morphik：开源多模态RAG工具，用视觉理解革新文档检索与知识管理
AI 工具
AgenticSeek：开源本地AI Agent深度解析｜Manus平替，自主执行任务全指南
AI 工具 AIGC 资讯