实体
Phi-4-MM
Phi-4-MM
PulseAugur coverage of Phi-4-MM — every cluster mentioning Phi-4-MM across labs, papers, and developer communities, ranked by signal.
总计 · 30天
1
90 天内 2
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
情绪 · 30 天
1 天有情绪数据
最近 · 第 1/1 页 · 共 2 条
-
新的Vision2Code基准评估VLMs的图像到代码生成能力
研究人员推出了Vision2Code，这是一个旨在评估视觉语言模型（VLMs）从图像生成可执行代码能力的新基准。该基准涵盖了15个不同的领域，包括图表、图形和3D场景，并采用无参考代码的评估方法，解决了现有工具的局限性。该系统执行生成的程序，并将其视觉输出与源图像进行比较，显示出比标准指标更高的人类判断相关性。Vision2Code还有助于微调模型，并展示了Qwen3.5-9B和Phi-4-MM的显著改进。
-
新的 LOGIC 框架改进了语音大模型的实体识别能力
研究人员开发了一个名为 LOGIC（Logit-Space Integration for Contextual Biasing）的新框架，以改进语音大模型（Speech LLMs）处理新颖和领域特定实体的方式。与可能效率低下且达到上下文窗口限制的传统提示方法不同，LOGIC 直接在解码层运行。这种方法确保了恒定的时间复杂度，无论实体数量如何，从而显著降低了实体词错误率，同时没有大幅增加误报率，这一点已通过 Phi-4-MM 模型得到证明。