实体
Phi-3.5-Vision-Instruct
Phi-3.5-Vision-Instruct
PulseAugur coverage of Phi-3.5-Vision-Instruct — every cluster mentioning Phi-3.5-Vision-Instruct 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
1
90 天内 1
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
-
新的代理框架改进了对话中的多模态情感推理
研究人员开发了一种用于多模态对话情感推理的代理框架，该框架提高了可追溯性并降低了与指令调优相关的计算成本。该方法利用特定模态的代理来分析视觉、听觉和词汇输入，将证据引用的观察结果发布到共享板上。然后，一个集成代理将这些观察结果与检索到的示例结合起来，生成一个带有引用的情感描述，并有一个批评代理允许进行一次修订。对于不正确的预测，验证阶段会检查引用证据的有效性以及对最终声明的支持程度，从而无需更新模型权重即可进行有针对性的提示调整。
-
清华大学与英伟达的具身AI评估：Gemini领先，GPT落后
来自国立清华大学和英伟达的研究人员开发了一个名为VLM-AR3L的新框架，用于评估视觉语言模型（VLMs）在具身智能任务中的性能。在他们的研究中，Gemini 2.0在各种任务中表现强劲，而GPT-4.1则显示出局限性。该框架通过使用VLMs进行离线标注，并训练更小、更轻量级的网络以实现实时指导，从而解决了高API成本和延迟的挑战。VLM-AR3L结合了绝对奖励和相对奖励，为强化学习代理提供全局方向和细粒度进度评估。