实体
Mimo-VL
Mimo-VL
PulseAugur coverage of Mimo-VL — every cluster mentioning Mimo-VL across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
1
90 天内 2
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
新基准测试挑战多模态AI模型在生成和图表到代码任务上的能力 · 已追踪2个来源
发布了两个新的基准测试来评估多模态大语言模型的能力。第一个，MMMG，专注于跨图像、音频以及交错文本和图像/音频的多任务多模态生成，与人类判断的一致性达到94.4%。第二个，Chart2Code，评估图表理解和代码生成，具有层次化的难度级别，并评估代码的正确性和视觉保真度。两个基准测试都揭示了当前最先进的模型，包括GPT Image和GPT-5，在复杂生成和交错任务方面仍有显著的改进空间。
-
小米发布万亿参数MiMo大模型家族，权重开放
小米发布了其MiMo大语言模型家族，最新版本MiMo-V2.5-Pro拥有万亿参数。这些模型以其MIT许可下的开放权重状态和原生的全模态能力而闻名，能够处理文本、图像、视频和音频。MiMo-V2.5-Pro采用了稀疏专家混合架构，在总计1.02万亿参数中，每个token有420亿活跃参数，并支持高达100万token的上下文窗口。
-
Video2GUI 从无标签视频生成1200万条GUI轨迹
研究人员开发了Video2GUI，一个旨在为GUI代理训练生成大规模交互轨迹的自动化框架。该系统从无标签的互联网视频中提取数据，通过过滤过程将其转换为结构化的代理轨迹。由此产生的WildGUI数据集包含1500多个应用程序的1200万条轨迹，显著改进了Qwen2.5-VL和Mimo-VL等模型的预训练。