字节跳动的研究团队最近推出了 Tarsier2，一款拥有 70 亿参数的大型视觉语言模型（LVLM），专门针对...

视觉语言模型（VLMs）在处理复杂的视觉问答任务时面临挑战。尽管像 OpenAI 的 GPT-o1 这样的大语...

视觉语言模型（Vision Language Models，简称 VLMs）在多模态任务中表现出色，但其推理能...

H2O.ai 是一家提供开源 AI 平台的公司，今天宣布了两款新的视觉语言模型，旨在改进文档分析和 OCR 任...