实体
InternVL3.5-30B-A3B
InternVL3.5-30B-A3B
PulseAugur coverage of InternVL3.5-30B-A3B — every cluster mentioning InternVL3.5-30B-A3B across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 2
发布 · 30天
0
90 天内 0
论文 · 30天
2
90 天内 2
层级分布 · 90 天
主题
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
DecoMoE框架提升多模态MoE模型效率
研究人员开发了DecoMoE，一个旨在提高多模态混合专家（MoE）模型效率的新型框架。该方法将视觉传播过程与专家计算解耦，解决了长视觉-Token序列带来的高推理成本问题。DecoMoE采用样本自适应视觉边界动态移除视觉Token，并通过路由校准专家前缀优化专家选择。在Qwen3-VL-MoE等模型上的评估表明，在保持原始性能的百分比的同时，计算量和延迟显著降低。
-
新的基准CLBench-V揭示多模态AI在上下文学习方面存在不足 · 跟踪2个来源
研究人员推出了CLBench-V，这是一个旨在评估多模态AI模型如何从上下文中学习的新基准，它超越了纯文本，纳入了图表和图像。该基准在三个维度上评估模型：上下文基础、新信息应用和新知识学习。在六个最新模型和超过3400个实例的测试中，最高得分仅为0.2847，表明多模态上下文学习仍有很大的改进空间。InternVL3.5-30B-A3B在上下文基础和知识获取方面表现出色，而Qwen3.5-Plus在应用新信息方面表现出优势。