近日，Qwen团队发布了一款名为Qwen 2.5 32B的视觉语言模型，该模型不仅具备强大的多模态处理能力，而且完全开源，能够在消费级硬件上高效运行。这一重大突破为AI领域的研究者和开发者提供了更加灵活和便捷的工具，尤...

LLaVA-MORE 是一项关于多模态大语言模型（Multimodal Large Language Models, MLLMs）的系统性研究，旨在评估不同语言模型和视觉骨干网络在 MLLMs 中的表现，并提供一个可复现的框架来比较这些架构。通过该研究，研...

近期，一项关于大语言模型（LLMs）的研究揭示了其在处理复杂提示时是否具备多跳推理能力——即连接多个知识片段的推理过程。研究发现，这种潜在的推理过程确实存在，尤其在初始步骤中表现明显。然而，模型对连接知识的...

Meta 最近引入了一种新的基准测试，用于评估语言模型的推理能力和知识水平。该测试向语言模型提供一个长序列数据，并要求模型输出能够重新生成该序列并停止运行的最短程序。这一过程被称为 Kolmogorov 压缩，且在多...

微软研究院最近推出了一项名为KBLAM的创新技术，旨在为大型语言模型（LLMs）引入即插即用的外部知识。这项技术的主要亮点在于，它无需重新训练模型即可实现知识的无缝集成，从而支持在线和实时学习。KBLAM的核心优势...

Zoom正通过开发一套自主AI基础设施，将其业务从视频会议扩展到行动导向的工作流程。这一创新包括AI Companion 2.0，它提供了任务管理和文档创建等功能，以及通过新的AI Studio定制的AI代理。Zoom采用联合方法，将公...

MaTVLM是一个创新的混合视觉语言模型，通过将Mamba-2层集成到预训练的视觉语言模型（VLM）中，显著提升了其收敛速度与整体性能。这一技术突破不仅在学术界引起了广泛关注，也为工业界的应用带来了新的可能性。视觉语...

MMS-LLaMA是一款高效的多模态语音大语言模型框架，专注于自动视觉语音识别（AVSR），在优化标记长度的同时保留了语言内容。该框架通过整合视觉和语音数据，提供了一种全新的方法来提升语音识别的准确性和效率。MMS-L...