[태그:] 비전언어모델

비전-언어 모델의 시각적 공간 계획 능력을 향상시키는 MGSD 프레임워크가 제안됐다. 4B·8B 두 모델 규모에서 시각 계획 벤치마크 평균 성능이 각각 ...

VLESA는 1인칭 영상에서 사용자의 의도를 파악하고 위험 행동을 예측해 실시간으로 개입하는 비전-언어 기반 구현 안전 에이전트 프레임워크다.

동적 인지 지도와 공간 서언 코드를 도입한 에이전트 파이프라인이 MindCube 벤치마크에서 80.5% 정확도로 최고 성능을 기록했다.

스텝펀이 토큰당 약 110억 파라미터만 활성화하는 198B MoE 비전언어 모델 스텝 3.7 플래시를 아파치 2.0으로 공개했다.