カテゴリー： 視覚言語モデル

• NeurIPS'25！AutoPrune：プラグアンドプレイ可能な適応型大規模モデル剪定フレームワーク
• Xiaohongshu、初のマルチモーダル大規模モデルdots.vlm1をオープンソース化、SOTAに迫る性能を発揮！
• 描きながら考える！マルチモーダル推論が大幅に向上！
• 初のマルチモーダル専用スローシンキングフレームワーク！GPT-o1を7ポイント近く上回り、強化学習がVLMに「熟考」を促す
• Seed1.5-VL技術レポートの解説
• マルチモーダル大規模モデルが軒並み失敗、GPT-4oの安全合格率はわずか50%：SIUOがクロスモーダルな安全盲点を明らかに