技术栈
pixmo
m0_65010824
2 小时前
论文阅读
·
人工智能
·
语言模型
·
开源vlm
·
高质量多模态数据集
·
molmo
·
pixmo
Molmo&PixMo：全开源视觉语言模型的突破之路
在当前视觉语言模型（VLM）领域，GPT-4o、Gemini 1.5 等专有模型占据性能巅峰，但封闭的权重、数据与代码严重阻碍了科研社区的探索。多数开源 VLM 要么性能落后，要么依赖专有模型生成的合成数据，本质上是对封闭模型的蒸馏，缺乏 "从零构建高性能 VLM" 的基础认知。
我是有底线的