2B model
PulseAugur coverage of 2B model — every cluster mentioning 2B model across labs, papers, and developer communities, ranked by signal.
- 2026-11-15 research_milestone A 2B model outperformed Grok on phishing detection, achieving results in 18 minutes on one GPU. 来源
4 天有情绪数据
-
基于浏览器的字幕工具使用蒸馏的 BERT 和 Whisper 模型
一位开发者创建了一个基于浏览器的工具,用于自动为视频添加字幕,主要用于创建 YouTube Shorts 等短视频内容。该工具利用一个蒸馏出的 11M 参数 BERT 模型进行字幕标签,以及 Whisper base 模型进行语音转录,两者都设计为能在浏览器中高效运行。虽然 Whisper base 提供了良好的性能,但对于嘈杂的音频,也提供了云端选项,并且字幕标签目前仅限于英语。
-
2B模型在网络钓鱼检测方面优于Grok,速度更快、成本更低
一个拥有20亿参数的模型,在SynqTune上进行了微调,在检测网络钓鱼企图方面表现优于Grok。这个较小的模型不仅性能超越了Grok,而且在更短的时间内取得了这些结果,仅需在一块GPU上花费18分钟。微调后的模型也更具成本效益,成本仅为使用LLM API的三分之一。
-
OpenBMB 发布 1.3B OCR 模型和 2B 质量检查器
OpenBMB 发布了两个专注于光学字符识别 (OCR) 的新模型。MiniCPM-OCR 1.0 是一个拥有 13 亿参数的模型,用于解析中文和英文文档。与之配套的是 MiniCPM-OCR Jev,一个拥有 20 亿参数的模型,通过提供 0 到 1 的分数来评估 OCR 输出的质量。Jev 可以评估文本、公式和表格,并兼容其他解析器的 OCR 结果,使其成为提高文档信息提取准确性的有用工具。
-
新的RLVR研究揭示了采样器不匹配下的熵漂移
一篇新论文提出了一种“符号律”,用于理解可验证奖励强化学习(RLVR)中的熵漂移,特别是在用于滚动的采样器与学习者应用的采样器不同的情况下。研究表明,这种采样器不匹配会导致策略熵的可预测变化,对模型的稳定性和准确性产生影响。在2B模型和9B推理模型上的实验表明,纠正这种漂移可以显著提高模型在未见过数据上的准确性,尤其是在无法进行精确采样的情况下。
-
AeroDPO:轻量级无人机导航通过自动化偏好优化实现SOTA
研究人员开发了AeroDPO,一种新颖的轻量级无人机(UAV)导航方法,它优先考虑高保真感知而非大型语言模型。通过利用一个紧凑的2B模型并利用确定性物理模拟进行自动化偏好优化,AeroDPO可以识别并纠正导致碰撞的因果推理错误。这种方法显著提高了在未映射场景下的成功率,同时大幅减少了碰撞,为自主空中代理树立了新的最先进水平。
-
Vision-Language Models Achieve Zero-Annotation Histopathology Segmentation
研究人员开发了一种新方法,使用视觉语言模型(VLMs)在不要求手动注释的情况下对组织病理学图像进行前景分割。该方法将组织与背景的区分视为一项通用视觉感知任务,使得在广泛数据集上训练的VLMs比特定领域模型具有更好的泛化能力,尤其是在特殊染色方面。提出的框架引入了Leica-75基准,并展示了高质量的分割效果和降低的跨染色方差,少样本提示进一步提高了在挑战性案例上的性能。