小米的SeerRay-Lab发布了Xiaomi-Lens-0,一个基于Qwen3.5-4B的40亿参数多模态模型。该模型通过发出掩码令牌,将响应锚定在特定图像区域,实现像素级定位。除了模型,该实验室还推出了LensBench,一个专门用于评估像素级视觉定位能力的新基准。 AI
影响 为像素级视觉定位提供了开源替代方案,有望推动多模态AI的研究和发展。
排序理由 一家大型科技公司相关实验室发布了开源多模态模型和基准。 [lever_c_demoted from research: ic=1 ai=1.0]
在 Mastodon — mastodon.social 阅读 →
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →