TAG:VLM

OpenAI前研究员田永龙正式加盟腾讯大语言模型部，将专注于视觉语言模型（VLM）的研发。这一重要人才流动凸显了腾讯在多模态AI领域的战略布局，也反映出AI行业对顶尖视觉语言技术人才的激烈竞争，有望推动相关技术突破。

aibase

2026-07-09 10:46

1

·

0

OpenAI前研究员田永龙（Yonglong Tian）已加入腾讯混元团队，或将出任多模态模型方向负责人，主导视觉语言模型（VLM）研发。田永龙学术背景深厚，本科毕业于清华大学，MIT博士，Google Scholar引用近3万次。他提出的“有监督对比学习”（Supervised Contrastive Learning）影响深远，近期在Fluid系列自回归图像生成领域取得突破。此前曾在Google DeepMind和OpenAI任职，与腾讯首席AI科学家姚顺雨为旧识。此次加盟是腾讯加强多模态大模型布局的

aibase

2026-07-08 11:43

45

·

0

CUHK等团队系统实验VLM底座在VLA初始化中的价值：预训练通用表征不可丢弃，补具身能力需精准对症（空间、定位、规划等），LoRA轻量改造优于全量微调，底座越强保留价值越大。避免VLM被过度改造导致机器人控制能力下降。给出VLA初始化5大经验与实验结论，为具身智能VLA设计提供实用指导。

具身研习社

2026-06-15 19:13

0

·

0

香港大学、小鹏机器人及北卡罗来纳大学教堂山分校的研究团队提出了DIAL框架，这是一个端到端的VLA架构，将视觉语言模型（VLM）集成到隐式世界模型中。该框架让机器人在VLM的原生特征空间中进行物理预测，无需额外生成视频，从而提升语义推理和物理直觉。通过双系统协同和两阶段训练，DIAL在仿真和真实机器人上实现了鲁棒的多阶段任务执行，解决了现有VLA架构的训练不稳定和物理直觉不足问题。

具身研习社

2026-05-27 10:56

0

·

0