TAG:视觉大模型

文章介绍了小鹏发布的TuringViT高效视觉编码器，重点解析其在线性注意力架构、数据治理流水线和动态分辨率训练上的创新。该模型仅用约十分之一训练数据，便在多项零样本分类与图文检索任务中超越主流SOTA基线，并面向智能驾驶、智能座舱和人形机器人落地。

aibase

2026-07-21 15:51

819

·

0

文章介绍了商汤全面开源SenseNova-Vision统一视觉大模型，强调其以单模型覆盖目标检测、分割、深度估计和多视角3D重建四大核心视觉任务，并在多项权威评测中领先同类通用模型及部分专家模型，同时同步开源5000万条视觉指令数据集。

aibase

2026-07-13 14:20

970

·

0

文章介绍了首个完整覆盖中国古文字‘七体之变’的OCR评测基准‘Chronicles-OCR’的开源。该基准由腾讯混元大模型等机构联合多所高校与故宫博物院推出，包含2800张高质量图像，用于评估AI模型识别古文字的能力。评测结果显示，主流视觉大模型在古文字识别上表现不佳，最高准确率仅27.1%，并揭示了模型在微观笔画识别上的短板。这一基准为未来视觉大模型从‘识字’走向‘读史’提供了明确优化方向。

aibase

2026-05-19 18:42

60

·

0

智谱正式发布多模态Coding基座模型GLM-5V-Turbo，深度融合视觉感知与编程能力。该模型支持200k超长上下文，能精准解析设计稿与网页界面，实现草图秒级转前端代码，并赋能智能体自主探索。它的推出标志着AI编程迈入视觉感知新阶段，极大提升开发效率。

aibase

2026-04-02 17:33

5

·

0