InternVL
PulseAugur coverage of InternVL — every cluster mentioning InternVL across labs, papers, and developer communities, ranked by signal.
5 天有情绪数据
-
VLM增强交通标志评估，性能优于人工方法
研究人员开发了一个新的框架，利用三个微调的视觉语言模型（VLM）来全面评估交通标志的状况。该系统整合了白天的视觉性能（评估清晰度、颜色、表面完整性和周围环境）和夜间的逆反射性能测量。该框架使用情感分析和CLIP评分将VLM的预测转换为数值分数，最终创建一个标志状况指数（SCI）用于维护指导。评估显示，LLaVA和Qwen模型的表现优于InternVL，相似性得分在0.67-0.76之间，并且该系统标记了462个标志中的68个需要立即更换。
-
ICML 2026 投稿量激增，关注点转向 AI 推理与安全
在首尔举行的国际机器学习大会 (ICML) 2026 收到了超过 23,000 篇论文，投稿量几乎翻倍，同时保持了 26.6% 的录用率。关键研究趋势表明，研究重点正从简单地扩展模型转向“更好思考”，更加关注 LLM 推理、AI 安全与对齐，以及通过压缩和加速技术提高模型效率。中国研究人员的引用率日益提高，并开始定义研究问题，特别是 DeepSeek 在高效模型开发和多模态 AI 方面的贡献产生了影响。
-
模拟量子计算有助于创建紧凑型视觉语言模型
研究人员开发了RiverONE，这是一种新颖的视觉语言模型（VLM），旨在理解量子校准图。该模型在其构建阶段利用模拟量子计算来生成参数，然后将这些参数具体化为经典张量。尽管其模型规模紧凑，仅约19亿参数，RiverONE在其特定任务上的性能却达到了比大型NVIDIA Ising Calibration 1模型高出95%的水平，而使用的参数却不到其10%。该方法证明了模拟量子计算作为一种实用的方法，可以用于创建高效、知识密集型的科学VL…
-
新的BYORn框架保护LVLMs免受后门攻击
研究人员开发了一个名为BYORn（Bootstrap Your Own Responses）的新型防御框架，用于在监督微调（SFT）过程中保护大型视觉语言模型（LVLMs）免受后门攻击。该方法利用预训练模型固有的语义理解能力来检测并用动态生成的、语义一致的响应替换恶意篡改的响应。BYORn能有效中和各种后门攻击，对模型的通用性能影响极小，在某些情况下甚至通过正则化效应提升了模型性能。
-
Hugging Face Transformers 库获得补丁更新
Hugging Face 发布了其 Transformers 库的补丁版本，修复了若干问题。v5.12.1 版本包括对 PEFT 下限的更新，以及在安装 `mistral-common` 时修复 Mistral 分词器的问题。稍早发布的 v5.10.3 版本除了包含后来也纳入 v5.12.1 的 PEFT 和 Mistral 分词器修复外，还包含对 vLLM 同步、ProcessorMixin、InternVL 模型和处理偏移量的修复。
-
新的MACD方法可解决视频大语言模型幻觉问题
研究人员开发了一种名为模型感知对比解码（MACD）的新推理策略，以解决视频语言模型中的幻觉问题。MACD利用模型自身的反馈来识别和定位导致生成无根据内容的特定对象区域。通过创建针对这些问题区域的反事实输入，MACD在解码过程中强制执行基于证据的标记选择，从而减少幻觉并提高在各种基准测试上的准确性。
-
新的AI方法通过结构化和选择视觉证据来增强视频推理能力
研究人员正在开发新方法，以改进大型视觉语言模型（VLM）理解和推理长视频的方式。几篇论文介绍了更有效的帧选择和证据收集技术，超越了简单的采样，采用了自适应策略。这些方法旨在通过关注特定查询最相关的视觉信息来降低计算成本并提高准确性。